Exploring Probabilistic Models for Semi-supervised Learning

要約

この論文では、さまざまな半教師あり学習 (SSL) タスクについて、理論的基礎と実際の応用の両方を含む高度な確率モデルを研究します。
提案された確率的手法は、信頼性の高い不確実性推定を迅速に提供することで、実際のアプリケーションにおける AI システムの安全性を向上させることができ、同時に、決定論的手法と比較して競争力のあるパフォーマンスを達成することができます。
実験結果は、論文で提案された手法が自動運転や医療画像解析領域などの安全性が重要な分野で大きな価値を持ち、SSL分野における非常に効果的かつ効率的な確率的アプローチの将来の発見への道を開くことを示しています。
。

要約(オリジナル)

This thesis studies advanced probabilistic models, including both their theoretical foundations and practical applications, for different semi-supervised learning (SSL) tasks. The proposed probabilistic methods are able to improve the safety of AI systems in real applications by providing reliable uncertainty estimates quickly, and at the same time, achieve competitive performance compared to their deterministic counterparts. The experimental results indicate that the methods proposed in the thesis have great value in safety-critical areas, such as the autonomous driving or medical imaging analysis domain, and pave the way for the future discovery of highly effective and efficient probabilistic approaches in the SSL sector.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google