抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】