最適輸送理論に基づくサンプル生成による分布外データの過剰適合抑制

要約

深層学習モデルが未知のデータに対して高い確信度を持つ問題を解決するため、最適輸送理論を用いた新たな手法が提案されました。潜在空間における特異な境界付近から「OTIS」と呼ばれる曖昧なサンプルを生成し、学習時にその確信度を抑制します。実験の結果、従来手法を上回る精度で過剰な確信度を抑制できることが示されました。

全文は有料プランで閲覧できます。