Iterative Teaching by Label Synthesis

要約

この論文では、教師が現在の反復学習者に基づいて順番に例を提供する、反復機械教育の問題を検討します。
各反復でプール全体をスキャンしてそこから指導例を選択する必要がある以前の方法とは対照的に、教師が入力された指導例 (画像など) をランダムに選択し、適切な出力 (例
、ラベル) を使用します。
このフレームワークは、コストのかかる例の選択を回避しながら、指数関数的な教示可能性を証明可能に達成できることを示しています。
このフレームワークで複数の新しい教育アルゴリズムを提案します。
最後に、私たちのフレームワークの価値を経験的に示します。

要約(オリジナル)

In this paper, we consider the problem of iterative machine teaching, where a teacher provides examples sequentially based on the current iterative learner. In contrast to previous methods that have to scan over the entire pool and select teaching examples from it in each iteration, we propose a label synthesis teaching framework where the teacher randomly selects input teaching examples (e.g., images) and then synthesizes suitable outputs (e.g., labels) for them. We show that this framework can avoid costly example selection while still provably achieving exponential teachability. We propose multiple novel teaching algorithms in this framework. Finally, we empirically demonstrate the value of our framework.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google