Fugu-MT 論文翻訳(概要): A priori estimates for classification problems using neural networks

論文の概要: A priori estimates for classification problems using neural networks

arxiv url: http://arxiv.org/abs/2009.13500v1
Date: Mon, 28 Sep 2020 17:47:25 GMT
ステータス: 処理完了
システム内更新日: 2022-10-13 21:42:33.090577
Title: A priori estimates for classification problems using neural networks
Title（参考訳）: ニューラルネットワークを用いた分類問題の事前推定
Authors: Weinan E and Stephan Wojtowytsch
Abstract要約: ニューラルネットワークの仮説クラスを用いた二項分類と多項分類の問題を考察する。与えられた仮説クラスに対して、正規化損失汎関数に対する事前誤差推定を得るために、ラデマッハ複雑性推定と直接近似定理を用いる。
参考スコア（独自算出の注目度）: 8.160343645537106
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We consider binary and multi-class classification problems using hypothesis classes of neural networks. For a given hypothesis class, we use Rademacher complexity estimates and direct approximation theorems to obtain a priori error estimates for regularized loss functionals.
Abstract（参考訳）: ニューラルネットワークの仮説クラスを用いた二項分類と多項分類の問題を考察する。与えられた仮説クラスに対して、ラデマッハ複雑性推定と直接近似定理を用いて正規化損失汎関数の事前誤差推定を求める。

関連論文リスト

Dimension-independent learning rates for high-dimensional classification problems [53.622581586464634]
各RBV2$関数は、重みが有界なニューラルネットワークによって近似可能であることを示す。次に、分類関数を近似した有界重みを持つニューラルネットワークの存在を証明する。
論文参考訳（メタデータ） (2024-09-26T16:02:13Z)
Trade-Offs of Diagonal Fisher Information Matrix Estimators [53.35448232352667]
Fisher情報行列は、ニューラルネットワークのパラメータ空間の局所幾何学を特徴付けるのに使うことができる。精度とサンプルの複雑さが関連する分散に依存する2つの人気推定器について検討する。分散のバウンダリを導出し、回帰と分類のためにニューラルネットワークでそれらをインスタンス化する。
論文参考訳（メタデータ） (2024-02-08T03:29:10Z)
On Excess Risk Convergence Rates of Neural Network Classifiers [8.329456268842227]
本稿では,ニューラルネットワークを用いた2値分類におけるプラグイン分類器の性能を,その過大なリスクによって測定した。ニューラルネットワークの推定と近似特性を分析し,次元自由で均一な収束率を求める。
論文参考訳（メタデータ） (2023-09-26T17:14:10Z)
Structured Radial Basis Function Network: Modelling Diversity for Multiple Hypotheses Prediction [51.82628081279621]
多重モード回帰は非定常過程の予測や分布の複雑な混合において重要である。構造的放射基底関数ネットワークは回帰問題に対する複数の仮説予測器のアンサンブルとして提示される。この構造モデルにより, このテッセルレーションを効率よく補間し, 複数の仮説対象分布を近似することが可能であることが証明された。
論文参考訳（メタデータ） (2023-09-02T01:27:53Z)
A new approach to generalisation error of machine learning algorithms: Estimates and convergence [0.0]
本稿では,(一般化)誤差の推定と収束に対する新しいアプローチを提案する。本研究の結果は,ニューラルネットワークの構造的仮定を伴わない誤差の推定を含む。
論文参考訳（メタデータ） (2023-06-23T20:57:31Z)
Multi-class Classification with Fuzzy-feature Observations: Theory and Algorithms [36.810603503167755]
我々は,MCIMO(Multi-class classification with Imprecise Observation)と呼ばれる新しい現実的問題に対処する新しい枠組みを提案する。まず,ファジィラデマッハの複雑性に基づくMCIMO問題の理論的解析を行う。そこで,提案した課題を解決するために,サポートベクタマシンとニューラルネットワークに基づく2つの実用的なアルゴリズムを構築した。
論文参考訳（メタデータ） (2022-06-09T07:14:00Z)
Scalable computation of prediction intervals for neural networks via matrix sketching [79.44177623781043]
既存の不確実性推定アルゴリズムでは、モデルアーキテクチャとトレーニング手順を変更する必要がある。本研究では、与えられたトレーニングされたニューラルネットワークに適用し、近似予測間隔を生成できる新しいアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-05-06T13:18:31Z)
Generalized Resubstitution for Classification Error Estimation [0.0]
経験的尺度に基づく一般化された再置換誤差推定器のファミリーを提案する。これらの誤差推定器は計算効率が良く、分類器の再学習を必要としない。
論文参考訳（メタデータ） (2021-10-23T19:42:11Z)
Generalization Error Analysis of Neural networks with Gradient Based Regularization [2.7286395031146062]
ニューラルネットワークの勾配に基づく正規化法について検討する。本稿では,正規化ネットワークの一般化誤差を解析するための一般的なフレームワークを提案する。画像分類タスクについていくつかの実験を行い、勾配に基づく手法が一般化能力を大幅に向上させることができることを示す。
論文参考訳（メタデータ） (2021-07-06T07:54:36Z)
Predicting Unreliable Predictions by Shattering a Neural Network [145.3823991041987]
線形ニューラルネットワークは、サブファンクションに分割することができる。サブファンクションは、独自のアクティベーションパターン、ドメイン、経験的エラーを持っている。完全なネットワークに対する経験的エラーは、サブファンクションに対する期待として記述できる。
論文参考訳（メタデータ） (2021-06-15T18:34:41Z)
Multivariate Deep Evidential Regression [77.34726150561087]
不確実性を認識するニューラルネットワークによる新しいアプローチは、従来の決定論的手法よりも有望である。本稿では,レグレッションベースニューラルネットワークからアレータ性およびてんかん性不確かさを抽出する手法を提案する。
論文参考訳（メタデータ） (2021-04-13T12:20:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。