연구진은 다중 모드 예측 분포를 가진 연속 회귀 능동 학습을 위한 획득 함수를 개발했습니다. Two-Index 프레임워크를 통해 모델 가설 간의 불확실성을 명시적으로 분리하고, 상호 정보를 획득 목표로 사용합니다. Mutual Information Lower Bound (MI-LB) 획득 함수는 혼합 밀도 네트워크 앙상블의 폐쇄형 근사치입니다.
MI-LB는 다중 모드 시스템을 특징으로 하는 벤치마크에서 기존 방법들을 능가하며, 입력 공간이 다중 모드를 이미 인코딩할 때만 경쟁하는 기하학적 및 Fisher 기반 방법과 차별화됩니다. 연구는 이 획득 함수가 데이터가 해결할 수 있는 불확실성을 정확히 포착한다는 것을 증명합니다.
MI-LB는 데이터셋 크기가 증가함에 따라 0으로 수렴하여, 데이터가 해결할 수 있는 불확실성을 정확하게 포착하는 것을 확인합니다.