文献

J-GLOBAL ID：201702243341075336   整理番号：17A1400874

マージンマルチカテゴリ分類器のRademacher複雑性【Powered by NICT】

Rademacher complexity of margin multi-category classifiers

著者 (1件)： Guermeur Yann (LORIA-CNRS, Campus Scientifique, BP 239, 54506 Vandoe&uvre-le`s-Nancy Cedex, France)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： WSOM  ページ： 1-6  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 不可知論的学習の枠組みの中で,多カテゴリパターン分類の理論の主要な未解決の問題の一つは,保証されたリスクの信頼区間は試料サイズとカテゴリーの数Cは基本的なパラメータの関数として変化する方法の特性評価である。これは最小学習可能性仮説の下で作動する場合特にそうである。カテゴリー当たり一成分機能を有するベクトル値関数のクラスに基づくマージン分類器を考察した。クラス成分関数である均一Glivenko-Cantelliとベクトル値関数はR~Cのハイパーキューブにおけるそれらの値をとるこれら分類器のために,Rademacher複雑性に基づく良く知られた保証リスクを適用した。いくつかの研究は,この複雑さの上限の導出を扱ってきた。本論文では,新しい一般化Sauer Shelah補題に基づく限界を確立した。クラス成分関数のγ寸法はγ~ 1多項式よりも速く成長しない付加的な仮定の下で,Cとの成長速度はO(C In(C))である。この挙動は,多項式の次数と無関係である。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 学習 ,  パターン分類 ,  ベクトル ,  *多項式 ,  信頼区間 ,  成長速度 ,  キャラクタリゼーション
準シソーラス用語： 次数 ,  補題 ,  学習可能性 ,  *複雑性 ,  *カテゴリー分類 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (2件)： 分類器 ,  複雑性