半教師あり学習を集約する際の懸念
from 2025/7/18の発表の構想を再考する
半教師あり学習を集約する際の懸念
https://gemini.google.com/app/3a2c2efc56207dd6
三つの異質性が問題
統計的異質性, Non-IIDにも種類がある
いつも問題なのはラベルの不均衡
クライアントで起こるイベントの不均衡などが相当
同じラベルでも特徴量が異なる
同じイベントを検出していても,その実音声の持つ特徴が異なる
例えば犬が鳴いたとして,同じ犬が同じ環境で鳴くわけではないため,イベントの特徴は異なる
音源の多様性や環境の音響特性以外に,雑音やPolyphonicも問題
システム的異質性は一旦考えない
問題が複雑になるため
同じデバイスを使おうとしているため
教師信号の異質性
疑似ラベリングの持つ問題が顕在化する
データの持つ異質性に基づいてラベル付けを行うことで,さらに深刻になる