ترجمه فارسی مقاله یادگیری متقابل

چکیده

We demonstrate that a wide array of machine learning algorithms are specific instances of one single paradigm: reciprocal learning. These instances range from active learning over multi-armed bandits to self-training. We show that all these algorithms do not only learn parameters from data but also vice versa: They iteratively alter training data in a way that depends on the current model fit. We introduce reciprocal learning as a generalization of these algorithms using the language of decision theory. This allows us to study under what conditions they converge. The key is to guarantee that reciprocal learning contracts such that the Banach fixed-point theorem applies. In this way, we find that reciprocal learning algorithms converge at linear rates to an approximately optimal model under relatively mild assumptions on the loss function, if their predictions are probabilistic and the sample adaption is both non-greedy and either randomized or regularized. We interpret these findings and provide corollaries that relate them to specific active learning, self-training, and bandit algorithms.

چکیده به فارسی (ترجمه ماشینی)

ما نشان می دهیم که طیف گسترده ای از الگوریتم های یادگیری ماشین نمونه های خاصی از یک الگوی واحد هستند: یادگیری متقابل.این موارد از یادگیری فعال بر روی راهزنان چند مسلح تا خودآموزی متغیر است.ما نشان می دهیم که همه این الگوریتم ها نه تنها پارامترهای داده را می آموزند بلکه برعکس نیز می آموزند: آنها به طور تکراری داده های آموزش را به روشی تغییر می دهند که به تناسب مدل فعلی بستگی دارد.ما یادگیری متقابل را به عنوان تعمیم این الگوریتم ها با استفاده از زبان تئوری تصمیم گیری معرفی می کنیم.این به ما امکان می دهد تحت چه شرایطی همگرا شوند.نکته مهم این است که تضمین شده است که قراردادهای یادگیری متقابل به گونه ای است که قضیه ثابت Banach اعمال می شود.به این ترتیب ، ما می دانیم که الگوریتم های یادگیری متقابل با نرخ های خطی به یک مدل تقریباً بهینه تحت فرضیات نسبتاً خفیف در مورد عملکرد از دست دادن همگرا می شوند ، اگر پیش بینی های آنها احتمالی باشد و سازگار نمونه هم غیر سبز است و هم تصادفی یا منظم یا منظم.ما این یافته ها را تفسیر می کنیم و نتیجه گیری هایی را ارائه می دهیم که آنها را با الگوریتم های خاص یادگیری فعال ، خودآموزی و راهزن مرتبط می کند.