2022级博士研究生张晨文章被ICML'2023接收

发布时间:2023-05-04 点击:

论文题目:Nonparametric Iterative Machine Teaching

作者:张晨,曹晓锋,刘威杨,Ivor W. Tsang,James T. Kwok

通讯作者:曹晓锋

论文概述:在本文中,我们考虑迭代机器教学(Iterative Machine Teaching, IMT)问题,即教师通过迭代地向学习者提供示例,使得学习者能够快速收敛到目标模型。然而,现有的IMT算法仅基于参数化目标模型族,主要关注参数空间中的收敛性,当目标模型定义为不依赖于参数的函数时,会出现困难。为了解决这种限制,我们研究了一个更一般的任务-非参数迭代机器教学(Nonparametric Iterative Machine Teaching, NIMT),旨在以迭代方式向学习者教授非参数目标模型。与仅在参数空间操作的参数化IMT不同,我们将NIMT作为函数空间中的函数优化问题来考虑。为了解决这个问题,我们提出了随机和贪心的函数教学算法。在合适的假设下,我们获得了随机教学算法的有限迭代教学维度(ITD),它作为NIMT中ITD的统一上界。此外,贪心教学算法具有显着较低的ITD,并达到了NIMT中ITD的更紧的上界。最后,我们通过在非参数场景下进行广泛的实验证实了理论发现的正确性。