• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Proceedings of the Twenty-Third international joint conference on artificial intelligence >Active Learning for Level Set Estimation
【24h】

Active Learning for Level Set Estimation

机译：主动学习进行水平集估计

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Many information gathering problems require determining the set of points,for which an unknown function takes value above or below some given threshold level.We formalize this task as a classification problem with sequential measurements,where the unknown function is modeled as a sample from a Gaussian process (GP).We propose LSE,an algorithm that guides both sampling and classification based on GP-derived confidence bounds,and provide theoretical guarantees about its sample complexity.Furthermore,we extend LSE and its theory to two more natural settings: (1) where the threshold level is implicitly defined as a percentage of the (unknown) maximum of the target function and (2) where samples are selected in batches.We evaluate the effectiveness of our proposed methods on two problems of practical interest,namely autonomous monitoring of algal populations in a lake environment and geolocating network latency.
机译：许多信息收集问题需要确定一组点，对于这些点，未知函数的值要高于或低于给定阈值水平。我们将此任务形式化为具有顺序测量的分类问题，其中，未知函数被建模为高斯样本我们提出了LSE算法，该算法基于GP得出的置信区间指导采样和分类，并为其样本复杂度提供了理论保证。此外，我们将LSE及其理论扩展到了两个更自然的设置：（1 ），其中将阈值水平隐式定义为目标函数（未知）最大值的百分比;（2）批量选择样本。我们评估了我们提出的方法在两个实际感兴趣的问题上的有效性，即自主监控湖泊环境中的藻类种群数量和地理位置的网络延迟。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号