文献

J-GLOBAL ID：201702239233531972   整理番号：17A1489473

統計的学習理論によるグラフカーネルの表現力の測定【Powered by NICT】

Measuring the expressivity of graph kernels through Statistical Learning Theory

著者 (6件)： Oneto Luca (DIBRIS, University of Genova, Via Opera Pia 13, Genova I-16145, Italy) ,  Navarin Nicolo (Department of Mathematics, University of Padua, Via Trieste 63, Padova I-35121, Italy) ,  Donini Michele (Computational Statistics and Machine Learning (CSML), Istituto Italiano di Tecnologia, Via Morego 30, I-16163 Genova, Italy) ,  Sperduti Alessandro (Department of Mathematics, University of Padua, Via Trieste 63, Padova I-35121, Italy) ,  Aiolli Fabio (Department of Mathematics, University of Padua, Via Trieste 63, Padova I-35121, Italy) ,  Anguita Davide (DIBRIS, University of Genova, Via Opera Pia 13, Genova I-16145, Italy)
資料名： Neurocomputing  (Neurocomputing)
巻： 268  ページ： 4-16  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 構造化ドメインのためのカーネルは構造化データに関する学習を含む実世界応用で広く採用されている。これに関連して多くの穀粒が文献で提案されているが,それらの間の理論的比較が存在しない。本論文では,統計的学習理論の分野で最も最近の結果を利用することにより,カーネルの表現力の異なる形式的定義を提供し,いくつかの最先端レベルのグラフカーネル間の差異を解析した。実世界データセット上での結果は,グラフカーネルのいくつかの既知の特性,統計的学習理論が実際にこの解析を行うことができる強力で実用的なツールであることを示したを確認した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *構造形成
準シソーラス用語： 最先端 ,  構造化データ ,  *表現力 ,  *統計的学習理論 , 【Automatic Indexing@JST】

著者キーワード (8件)： カーネル ,  構造化ドメイン ,  表現度 ,  グラフカーネル ,  統計的学習理論 ,  Rademacher複雑性 ,  局所Rademacher複雑性 ,  アルゴリズム的安定性

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 統計的学習理論 ,  グラフ ,  カーネル ,  表現力