A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Equations of States in Statistical Learning for an Unrealizable and Regular Case Equações de estados na aprendizagem estatística para um caso irrealizável e regular

Sumio WATANABE

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

Muitas máquinas de aprendizagem que possuem estrutura hierárquica ou variáveis ​​ocultas estão agora sendo usadas em ciência da informação, inteligência artificial e bioinformática. No entanto, várias máquinas de aprendizagem utilizadas em tais campos não são modelos estatísticos regulares, mas sim singulares, pelo que o seu desempenho de generalização ainda é desconhecido. Para superar esses problemas, nos artigos anteriores, provamos novas equações em aprendizagem estatística, pelas quais podemos estimar a perda de generalização de Bayes a partir da perda de treinamento de Bayes e da variância funcional, desde que a distribuição verdadeira seja uma singularidade contida em um máquina de aprender. Neste artigo, provamos que as mesmas equações são válidas mesmo que uma distribuição verdadeira não esteja contida em um modelo paramétrico. Também provamos que as equações propostas num caso regular são assintoticamente equivalentes ao critério de informação de Takeuchi. Portanto, as equações propostas são sempre aplicáveis ​​sem qualquer condição de distribuição verdadeira desconhecida.

Publicação
IEICE TRANSACTIONS on Fundamentals Vol.E93-A No.3 pp.617-626
Data de publicação
2010/03/01
Publicitada
ISSN online
1745-1337
DOI
10.1587/transfun.E93.A.617
Tipo de Manuscrito
PAPER
Categoria
Redes Neurais e Bioengenharia

autores

Palavra-chave