연구진은 능동적 특징 획득(AFA) 문제를 해결하기 위해 BRiG-AFA라는 새로운 방법을 제시했어요. 이 방법은 예산 제약 하에서 어떤 관찰되지 않은 특징을 측정할지 결정하는 것을 목표로 해요.
BRiG-AFA는 후보에 조건화된 위험-to-go 함수를 학습하여 기존의 탐욕적인 방법이나 강화 학습 방식의 어려움을 해결해요. 이 함수는 1단계 종단 분류 위험으로부터 시작하여 벨만 목표를 사용하여 역방향으로 맞춰져요.
Fashion-MNIST 데이터셋에서 20개의 후보 픽셀을 사용할 때, BRiG-AFA는 모든 의미 있는 예산 수준에서 정확도를 향상시켰으며, 4번의 획득 시점에 평균적으로 10.20% 향상된 성능을 보였어요.