Open Problem: Learning with Variational Objectives on Measures

要約

統計学習の理論は、関数で表現される変分目標に焦点を当ててきました。
このノートでは、メジャーについて同様の目標を記述する動機について、特に分布外一般化と弱教師あり学習について説明します。
そこで当然の疑問が生じます: 通常の統計学習結果をメジャーで表現された目標に当てはめることはできるでしょうか?
結果として得られる構築は、実用的な興味深い新しいアルゴリズムにつながるでしょうか?

要約(オリジナル)

The theory of statistical learning has focused on variational objectives expressed on functions. In this note, we discuss motivations to write similar objectives on measures, in particular to discuss out-of-distribution generalization and weakly-supervised learning. It raises a natural question: can one cast usual statistical learning results to objectives expressed on measures? Does the resulting construction lead to new algorithms of practical interest?

arxiv情報

提供元, 利用サービス

arxiv.jp, Google