We introduce a novel algorithm call

We introduce a novel algorithm called Upper Confidence Weighted Learning (UCWL) for online multiclass
learning from binary feedback (e.g., feedback that indicates whether the prediction was right or wrong).
UCWL combines the Upper Confidence Bound (UCB) framework with the Soft Confidence Weighted (SCW)
online learning scheme. In UCB, each instance is classified using both score and uncertainty. For a given
instance in the sequence, the algorithm might guess its class label primarily to reduce the class uncertainty.
This is a form of informed exploration, which enables the performance to improve with lower sample complexity
compared with the case without exploration. Combining UCB with SCW leads to the ability to deal
well with noisy and non-separable data, and state-of-the-art performance is achieved without increasing
the computational cost. A potential application setting is human-robot interaction (HRI), where the robot
is learning to classify some set of inputs while the human teaches it by providing only binary feedback—or
sometimes even the wrong answer entirely. Experimental results in the HRI setting and with two benchmark
datasets from other settings show that UCWL outperforms other state-of-the-art algorithms in the
online binary feedback setting—and surprisingly even sometimes outperforms state-of-the-art algorithms
that get full feedback (e.g., the true class label) while UCWL gets only binary feedback on the same data
sequence.

ผลลัพธ์ (ไทย) 1:

เราแนะนำอัลกอริทึมนวนิยายเรียกบนความเชื่อมั่นถ่วงน้ำหนักเรียนรู้ (UCWL) สำหรับ multiclass ออนไลน์เรียนรู้จากความคิดเห็นไบนารี (เช่น ความคิดเห็นที่บ่งชี้ว่า คำทำนายถูกต้อง หรือไม่ถูกต้อง)UCWL รวมกรอบผูกความเชื่อมั่นของด้านบน (UCB) กับอ่อนมั่นถ่วงน้ำหนัก (SCW)แผนการเรียนรู้ออนไลน์ ใน UCB แต่ละอินสแตนซ์ถูกจัดประเภทโดยใช้คะแนนและความไม่แน่นอน สำหรับการกำหนดอินสแตนซ์ลำดับ อัลกอริทึมอาจคิดว่า ป้ายชื่อเพื่อลดความไม่แน่นอนระดับชั้นของเป็นแบบฟอร์มสำรวจทราบ ซึ่งช่วยให้ประสิทธิภาพในการปรับปรุง มีความซับซ้อนอย่างต่ำเปรียบเทียบกับกรณีไม่มีการสำรวจ รวม UCB กับ SCW นำไปสู่ความสามารถในการจัดการดีคะ และไม่ใช่ separable ข้อมูล และทำ โดยไม่มีการเพิ่มประสิทธิภาพของทันสมัยต้นทุนคำนวณ การตั้งค่าโปรแกรมประยุกต์อาจถูกโต้ตอบมนุษย์หุ่นยนต์ (HRI), ที่หุ่นยนต์เป็นการเรียนรู้การจัดประเภทบางชุดของอินพุตในขณะที่มนุษย์สอน โดยให้ผลป้อนกลับที่ไบนารีเท่านั้น — หรือบางครั้งแม้แต่คำตอบไม่ถูกต้องทั้งหมด ผลการทดลองการ HRI และสองมาตรฐานdatasets จากการตั้งค่าอื่น ๆ แสดงว่า UCWL outperforms อัลกอริทึมทันสมัยอื่น ๆ ในการตั้งค่าผลป้อนกลับนารีออนไลน์ — และแม้จู่ ๆ บางครั้ง outperforms สมัยของอัลกอริทึมที่ได้รับคำติชมทั้งหมด (เช่น ป้ายจริงชั้น) ในขณะที่ UCWL ได้รับคำติชมเท่านั้นไบนารีบนข้อมูลเดียวกันลำดับนั้น

ผลลัพธ์ (ไทย) 2:

เราแนะนำขั้นตอนวิธีการที่เรียกว่านวนิยายเรื่องความเชื่อมั่นบนถ่วงน้ำหนักการเรียนรู้ (UCWL) ออนไลน์ multiclass
การเรียนรู้จากความคิดเห็นของไบนารี (เช่นข้อเสนอแนะที่บ่งชี้ว่าการคาดการณ์ที่ถูกต้องหรือผิด).
UCWL รวมความเชื่อมั่น Upper Bound (UCB) กรอบกับความเชื่อมั่น Soft ถ่วงน้ำหนัก (SCW)
โครงการการเรียนรู้ออนไลน์ ใน UCB อินสแตนซ์แต่ละคนจะจัดใช้ทั้งคะแนนและความไม่แน่นอน สำหรับมอบให้เป็น
ตัวอย่างในลำดับขั้นตอนวิธีอาจเดาฉลากระดับนี้เป็นหลักในการลดความไม่แน่นอนในชั้นเรียน.
นี้เป็นรูปแบบของการสำรวจทราบซึ่งจะช่วยให้ผลการดำเนินงานในการปรับปรุงที่มีความซับซ้อนตัวอย่างที่ต่ำกว่า
เมื่อเทียบกับกรณีที่ไม่มีการสำรวจ รวม UCB กับ SCW นำไปสู่ความสามารถในการจัดการ
ได้ดีกับข้อมูลที่มีเสียงดังและไม่แยกและรัฐของศิลปะประสิทธิภาพการทำงานจะประสบความสำเร็จโดยไม่ต้องเพิ่ม
ค่าใช้จ่ายในการคำนวณ การตั้งค่าแอพลิเคชันที่มีศักยภาพเป็นปฏิสัมพันธ์ระหว่างมนุษย์และหุ่นยนต์ (HRI) ซึ่งหุ่นยนต์
คือการเรียนรู้ที่จะจัดชุดของปัจจัยการผลิตบางส่วนในขณะที่มนุษย์สอนได้โดยการให้เพียงข้อเสนอแนะหรือไบนารี
แม้บางครั้งคำตอบที่ผิดอย่างสิ้นเชิง ผลการทดลองในการตั้งค่า HRI และมีสองมาตรฐาน
ชุดข้อมูลจากการตั้งค่าอื่น ๆ ที่แสดงให้เห็นว่ามีประสิทธิภาพดีกว่า UCWL กลไกอื่น ๆ ในรัฐของศิลปะใน
การตอบรับไบนารีออนไลน์การตั้งค่าและน่าแปลกใจที่แม้บางครั้งมีประสิทธิภาพดีกว่าอัลกอริทึมรัฐของศิลปะ
ที่ได้รับเต็มรูปแบบ ข้อเสนอแนะ (เช่นฉลากชั้นจริง) ในขณะที่ได้รับการตอบรับ UCWL ไบนารีเฉพาะในข้อมูลเดียวกัน
ลำดับ

ผลลัพธ์ (ไทย) 3:

เราแนะนำนิยายขั้นตอนวิธีเรียกบนความเชื่อมั่นหนักเรียน ( ucwl ) สำหรับออนไลน์หลาย
การเรียนรู้จากข้อมูลไบนารี ( เช่น ข้อมูลที่บ่งชี้ว่า ทำนายถูกหรือผิด )
ucwl รวมบนความมั่นใจจำกัด ( UCB ) กรอบนุ่มมั่นใจถ่วงน้ำหนัก ( scw )
การเรียนรู้แบบออนไลน์ ในตัวอย่างจะใช้ UCB แต่ละประเภททั้งคะแนนและความไม่แน่นอนให้
เช่นลำดับ อัลกอริทึมอาจคาดเดาป้ายชื่อคลาสหลักที่จะลดระดับความไม่แน่นอน
นี้เป็นรูปแบบของข้อมูลการสำรวจ , ซึ่งจะช่วยให้ประสิทธิภาพในการปรับปรุงที่มีความซับซ้อนตัวอย่างลด
เมื่อเทียบกับกรณีไม่มีการสำรวจ รวม UCB ด้วย scw นำไปสู่ความสามารถในการจัดการ
ด้วยเสียงดังและไม่แยกข้อมูล ,และประสิทธิภาพของรัฐ - of - the - art ได้โดยไม่เพิ่ม
ค่าใช้จ่ายในการคำนวณ การตั้งค่าโปรแกรมที่มีศักยภาพเป็นปฏิสัมพันธ์ของมนุษย์หุ่นยนต์ ( HRI ) ซึ่งหุ่นยนต์
คือการเรียนรู้ที่จะจัดบางชุดของปัจจัยการผลิต ในขณะที่มนุษย์สอนด้วยการให้เฉพาะไบนารีติชมหรือ
แม้บางครั้งตอบผิดทั้งหมด ผลการทดลองในการตั้งค่า และ มีมาตรฐาน
2 เพลงข้อมูลจากการตั้งค่าอื่น ๆแสดงให้เห็นว่า ucwl โปรยาส อัลกอริทึมอื่น ๆในการตั้งค่า และจู่ ๆออนไลน์ไบนารีติชม

แม้บางครั้งมีประสิทธิภาพดีกว่ารัฐ - of - the - art ขั้นตอนวิธีที่ได้รับเต็มรูปแบบการตอบรับ ( เช่น จริงเรียนป้ายชื่อ ) ในขณะที่ ucwl รับไบนารีข้อมูลเกี่ยวกับลำดับข้อมูล
เดียวกัน