文献

J-GLOBAL ID：201802251829123242   整理番号：18A1303234

線形モデルにおける因果的特徴の学習の情報理論的限界【JST・京大機械翻訳】

Information theoretic limits of learning of the causal features in a linear model

著者 (3件)： Tahmasebi Behrooz (Department of Electrical Engineering, Sharif University of Technology, Tehran, Iran) ,  Maddah-Ali Mohammad Ali (Department of Electrical Engineering, Sharif University of Technology, Tehran, Iran) ,  Motahari Seyed Abolfazl (Department of Computer Engineering, Sharif University of Technology, Tehran, Iran)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IWCIT  ページ： 1-6  発行年： 2018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： 本論文では,線形モデルにおける因果特徴検出の問題を研究した。数学モデルにおいて,著者らはNサンプルのデータセットを考察して,各々は一連のG二値特性によって表現した。各サンプルに関連して,二値ラベルがある。ラベルは,線形関数を介して,因果的特徴と呼ばれる特徴の潜在的部分集合に関連すると仮定した。より正確に,著者らのモデルにおいて,各ラベルは因果特徴の線形関数の雑音のある観測の結果である。因果特徴の数は,Lが与えられた正の整数であるLにより制限されると仮定した。本論文では,著者らの目的は,因果的特徴の集合を検出することである。この方法において,パラメータN,GおよびLの限界において,h(L/G)/Nにおける閾値効果を観測した。ここで,h(L/G)/Nは二値エントロピー関数である。ここでは,Gh(L/G)/Nとしての因果特徴検出の問題の速度を定義し,達成可能な方式と整合変換を用いて容量を特性化した。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： 数学モデル ,  雑音 ,  キャラクタリゼーション ,  部分集合 ,  *情報理論
準シソーラス用語： 線形関数 ,  特徴検出 ,  *線形モデル , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (4件)： 線形モデル ,  学習 ,  情報理論 ,  限界