Fugu-MT 論文翻訳(概要): Neural Networks as Linear Regression: An Introduction for Statisticians

論文の概要: Neural Networks as Linear Regression: An Introduction for Statisticians

arxiv url: http://arxiv.org/abs/2606.23601v1
Date: Mon, 22 Jun 2026 17:04:37 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-24 17:55:49.405272
Title: Neural Networks as Linear Regression: An Introduction for Statisticians
Title（参考訳）: 線形回帰としてのニューラルネットワーク - 統計学入門
Authors: Abigail Loe, Susan Murray, Zhenke Wu,
Abstract要約: ニューラルネットワークはコンピュータ科学や統計学でよく使われる予測ツールである。本稿では、線形回帰を近似するネットワークを記述し、さらなる研究の基盤となる共通のカスタマイズを記述することによって、ニューラルネットワークをデミスティフィケートする。
参考スコア（独自算出の注目度）: 2.5574009994099196
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Neural networks are a commonly used prediction tool in computer science and statistics. However, the barrier to entry of this interesting field remains high, particularly for classical statisticians trained in a frequentist perspective. In this letter, we demystify neural networks by describing networks that approximate a linear regression and describe common customizations that provide a foundation for further study.
Abstract（参考訳）: ニューラルネットワークはコンピュータ科学や統計学でよく使われる予測ツールである。しかし、この興味深い分野への参入の障壁は依然として高く、特に古典統計学者は頻繁な視点で訓練されている。本稿では、線形回帰を近似するネットワークを記述し、さらなる研究の基盤となる共通のカスタマイズを記述することによって、ニューラルネットワークをデミスティフィケートする。

関連論文リスト

Hybrid deep additive neural networks [0.0]
加算回帰という概念を取り入れた新しいディープニューラルネットワークを導入する。我々のニューラルネットワークは、Kolmogorov-Arnoldネットワークとアーキテクチャ上の類似点を共有しているが、よりシンプルで柔軟なアクティベーションと基底関数に基づいている。我々はそれらの普遍近似特性を導出し、シミュレーション研究と実データ応用を通してその効果を実証する。
論文参考訳（メタデータ） (2024-11-14T04:26:47Z)
How neural networks learn to classify chaotic time series [77.34726150561087]
本研究では,通常の逆カオス時系列を分類するために訓練されたニューラルネットワークの内部動作について検討する。入力周期性とアクティベーション周期の関係は,LKCNNモデルの性能向上の鍵となる。
論文参考訳（メタデータ） (2023-06-04T08:53:27Z)
A Scalable Walsh-Hadamard Regularizer to Overcome the Low-degree Spectral Bias of Neural Networks [79.28094304325116]
任意の関数を学習するニューラルネットワークの能力にもかかわらず、勾配降下によって訓練されたモデルは、しばしばより単純な関数に対するバイアスを示す。我々は、この低度周波数に対するスペクトルバイアスが、現実のデータセットにおけるニューラルネットワークの一般化を実際にいかに損なうかを示す。本稿では,ニューラルネットワークによる高次周波数学習を支援する,スケーラブルな機能正規化手法を提案する。
論文参考訳（メタデータ） (2023-05-16T20:06:01Z)
Orthogonal Transforms in Neural Networks Amount to Effective Regularization [0.0]
非線形システム同定におけるニューラルネットワークの適用について考察する。そのような構造が普遍近似であることを示す。特に、フーリエ変換を用いたそのような構造は直交サポートのない同値モデルよりも優れていることを実証的に示す。
論文参考訳（メタデータ） (2023-05-10T17:52:33Z)
Neural networks trained with SGD learn distributions of increasing complexity [78.30235086565388]
勾配降下法を用いてトレーニングされたニューラルネットワークは、まず低次入力統計を用いて入力を分類する。その後、トレーニング中にのみ高次の統計を利用する。本稿では,DSBと他の単純度バイアスとの関係について論じ,学習における普遍性の原理にその意味を考察する。
論文参考訳（メタデータ） (2022-11-21T15:27:22Z)
Spiking neural network for nonlinear regression [68.8204255655161]
スパイクニューラルネットワークは、メモリとエネルギー消費を大幅に削減する可能性を持っている。彼らは、次世代のニューロモルフィックハードウェアによって活用できる時間的および神経的疎結合を導入する。スパイキングニューラルネットワークを用いた回帰フレームワークを提案する。
論文参考訳（メタデータ） (2022-10-06T13:04:45Z)
Rewiring Networks for Graph Neural Network Training Using Discrete Geometry [0.0]
情報オーバースカッシングはグラフニューラルネットワーク(GNN)のトレーニングに大きな影響を与える問題である本稿では,ネットワーク上の情報の流れをモデル化し,それらを再構成するために,古典幾何学的な曲率の概念の離散アナログを用いて検討する。これらの古典的概念は、様々な実世界のネットワークデータセット上でのGNNトレーニング精度において、最先端のパフォーマンスを実現する。
論文参考訳（メタデータ） (2022-07-16T21:50:39Z)
Statistical Guarantees for Regularized Neural Networks [4.254099382808598]
最小二乗項と正則化器からなる推定器の一般統計保証を開発する。ニューラルネットワークの正規化推定のための数学的基礎を確立した。
論文参考訳（メタデータ） (2020-05-30T15:28:47Z)

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。