文献

J-GLOBAL ID：201802217975515143   整理番号：18A0822996

スパース回帰のためのハイパーパラメータ選択:確率論的アプローチ【JST・京大機械翻訳】

Hyperparameter-selection for sparse regression: A probablistic approach

著者 (2件)： Kronvall Ted (Dept. of Mathematical Statistics, Lund University, Sweden) ,  Jakobsson Andreas (Dept. of Mathematical Statistics, Lund University, Sweden)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ACSSC  ページ： 853-857  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： ハイパーパラメータ(s)の選択は,潜在的モデル次数選択として作用する,レーザ様スパース回帰問題におけるサポート回復に著しく影響する。パラメータは,交差検証または様々なアドホックアプローチを用いて典型的に選択される。これらは,サポート回復を最大化するよりもむしろ予測誤差を最小化することを目的として,結果として生じるモデル次数を過大評価する。本研究では,正則化レベルが適切な分位として選択されるように,極値解析を用いてタイプI誤差(偽陽性率)を定量化するために,サポート回復を最大化するためにハイパーパラメータを選択する確率論的アプローチを提案した。スケール化LASSO問題を解くことにより,提案したハイパーパラメータの選択は雑音分散にほとんど依存しない。シミュレーション例により,提案した方法が,計算の複雑さとサポート回復に関して,交差検証とBayes情報基準の両方を上回ることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  シミュレーション ,  計算量 ,  *透視図法 ,  正則化 ,  極値解析 ,  予測誤差 ,  レーザ
準シソーラス用語： 偽陽性率 ,  次数 ,  *確率的方法 ,  *ハイパーパラメータ , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： ハイパーパラメータ ,  確率論的アプローチ