arXiv · cs.AI · Manuel Wendl, Erik Englesson, Andreas Krause, Carl Henrik Ek · 4 小时前模型评分25
Forgetting to Improve：主动学习中基于影响函数的有原则数据移除
Forgetting to Improve: Principled Data Removal in Active Learning
导读
研究者提出 Forgetting to Improve 方法，用高斯过程模型的影响函数识别并移除对特定任务有害的数据样本，以缩小模型不确定性与数据生成过程之间的偏差。该方法在贝叶斯优化、基于模型的强化学习和直推式学习等任务上均取得显著提升。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “In this paper, we propose Forgetting to Improve a method that reduces this discrepancy by incorporating the task into the modeling framework.”
来源：arXiv · cs.AI · arxiv.org