Iterative Teaching by Data Hallucination

要約

教師が離散入力空間 (つまり、有限サンプルのプール) の下で学習者のステータスに基づいて例を順次提供する反復機械教育の問題を検討します。これにより、教師の能力が大幅に制限されます。
この問題に対処するために、入力例 (つまり、画像) を最適化問題を解くことによって生成するか、連続分布から直接引き出すことができる連続入力空間の下での反復教育を研究します。
具体的には、教師がラベル、学習者のステータス、およびターゲットの概念に基づいて入力データをインテリジェントに生成できるデータ幻覚教育 (DHT) を提案します。
私たちは、多くの挑戦的な教育設定を研究しています (例えば、全知のブラックボックス設定での線形/神経学習者)。
広範な経験的結果は、DHT の有効性を検証します。

要約(オリジナル)

We consider the problem of iterative machine teaching, where a teacher sequentially provides examples based on the status of a learner under a discrete input space (i.e., a pool of finite samples), which greatly limits the teacher’s capability. To address this issue, we study iterative teaching under a continuous input space where the input example (i.e., image) can be either generated by solving an optimization problem or drawn directly from a continuous distribution. Specifically, we propose data hallucination teaching (DHT) where the teacher can generate input data intelligently based on labels, the learner’s status and the target concept. We study a number of challenging teaching setups (e.g., linear/neural learners in omniscient and black-box settings). Extensive empirical results verify the effectiveness of DHT.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google