AI用語集
人工知能の完全辞典
自己ペース学習
カリキュラム学習の変種で、モデルが知覚された難易度に基づいて動的に学習サンプルを選択し、自身のペースで学習します。
難易度スコアリング
各学習サンプルに難易度スコアを評価・割り当てる定量的手法で、カリキュラム内での最適な順序付けを可能にします。
赤ちゃん歩み学習
モデルが非常に単純な例から始め、段階的に複雑なケースへと進む極端なカリキュラムアプローチ。
メンターネット
生徒ネットワークにとって最も関連性の高い例を選択することを学習することにより、動的にカリキュラムを定義するメタ学習ニューラルネットワーク。
データ密度によるカリキュラム
特徴空間での密度に基づいて例を順序付け、疎な領域のサンプルより密な領域のサンプルを優先する戦略。
勾配ノイズによるカリキュラム
勾配内のノイズを難易度の指標として使用する手法で、より多くのノイズを持つ例はより難しいと見なされ、後から導入されます。
損失によるカリキュラム
現在の損失値に基づいて例を順序付け、高損失の例は困難と見なされカリキュラムで遅らせられるアプローチ。
反カリキュラム学習
モデルの堅牢性を向上させ、非最適な局所的最小値を避けるために、最初に最も困難な例を提示する逆戦略。
転移学習によるカリキュラム学習
簡単なタスクで事前に学習した知識を利用して、より複雑なタスクへ段階的なカリキュラムを構築する手法。
カリキュラム生成
データの特徴とモデルの目的に基づいて、最適な学習シーケンスを自動的に作成するアルゴリズムプロセス。
カリキュラムスケジューリング
モデルの訓練中に、いつ、どのように難易度が増加する例を導入するかを定義する時間的計画。
簡単優先戦略
カリキュラム学習の基本原則で、複雑さの前にしっかりとした基礎を確立するために、最も簡単な例を最初に提示すること。
難題優先戦略
学習の初めから堅牢な表現を発達させるようにモデルを強制するために、難しい例を最初に提示する代替アプローチ。
カリキュラム滑らかさ
学習を不安定にする可能性のある急な飛躍を避けながら、連続する例間の難易度進行における連続性の測定。
タスクカリキュラム学習
同じタスク内の個々の例ではなく、タスク全体の順序に関するカリキュラム学習の拡張。
マルチタスクカリキュラム学習
タスク間のシナジーを最大化するために最適化されたカリキュラムで、複数のタスクの同時学習を調整する複雑なアプローチ。