- …
- …
#22
summarized by : Koki Obinata
どんな論文か？
訓練データを逐次取捨選択することで学習を改善する学習法としてSelf-Paced learning(SPL)やCurriculum learningがあるが，サンプルごとの学習難易度を評価するコストが大きく，ハイパーパラメータの最適化も難しかった．分類問題において学習対象のカテゴリ数を徐々に大きくするLocal to Global(LGL)学習という枠組みを提案し，上記2つの難点を解消した．
新規性
学習対象のカテゴリを順次拡大していく点．これは適切に重みを初期化しているとも捉えられ，学習の安定化に寄与する．
結果
Toy data, CIFAR-10, 100, ImageNetにおいて，ベースライン及びSPL学習よりも高い精度を達成．学習の収束も安定している．
その他（なぜ通ったか？等）
数値実験のみではなく，情報理論の観点からも学習の安定化の考察を行なっている点．
- …
- …