文献

J-GLOBAL ID：201802241775166720   整理番号：18A1298874

局所多様体学習のためのディープネット【JST・京大機械翻訳】

Deep Nets for Local Manifold Learning

著者 (2件)： Chui Charles K. (Department of Mathematics, Hong Kong Baptist University) ,  Mhaskar Hrushikesh N. (Institute of Mathematical Sciences, Claremont Graduate University)
資料名： Frontiers in Applied Mathematics and Statistics (Web)  (Frontiers in Applied Mathematics and Statistics (Web))
巻： 4  ページ： 12  発行年： 2018年 
JST資料番号： U7057A  ISSN： 2297-4687  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 本論文では,未知の多様体X上の訓練データ[数式:原文を参照]上で定義された関数fを全マニホールドおよびこのマニホールドの管状近傍に拡張する問題を考察した。高次元環境ユークリッド空間R~Dに埋め込まれたXに対して,固有分解のない多様体に対する局所座標系を見出すための深い学習アルゴリズムを開発し,低次元立方体上の関数近似の古典的問題に対する問題を低減した。訓練データを用いてこの近似方式を達成するために,深いネット(または多層ニューラルネットワーク)を提案した。著者らの方法は,逆伝搬としてそのような最適化技術を含まないが,目標関数の導関数の数に関して出力に関する最適(先験的)誤差限界を保証する。さらに,これらの方法は普遍的であり,目標関数の滑らかさに関する事前知識を必要としないが,目標関数の局所平滑性のみに依存して,局所的および自動的に近似精度を調整する。著者らのアイデアは,前画像問題とサンプル外拡張問題の両方を解くために容易に拡張され,関数の成長に関する事前限界を拡張した。Copyright 2018 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ニューラルネットワーク ,  平滑度 ,  *学習 ,  *多様体 ,  関数近似 ,  最適化手法 ,  高次元 ,  導関数 ,  近似法 ,  画像 ,  Euclid空間 ,  学習アルゴリズム
準シソーラス用語： 事前知識 ,  低次元 ,  訓練データ ,  *多様体学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層学習 ,  関数近似 ,  多様体学習 ,  ニューラルネットワーク ,  局所近似

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (1件)： 多様体学習