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。
高次元関数の近似は,次元の呪いによるニューラルネットワークのための課題である。しばしばの近似関数で定義されたデータは,低次元多様体に存在し,原理的には,この多様体上の関数の近似は,近似性能を改善するであろう。低次元空間,続いてこの空間上での関数のニューラルネットワーク近似により,データ多様体を元のデータ空間におけるニューラルネットワークによる関数の近似よりも機能のより正確な近似を提供することを示した。しかし,データ量が非常に大きい場合,低次元空間への投影は,データの限られた試料に基づいている。ここでは,射影空間上で訓練されたニューラルネットワークの近似誤差の性質を調べた。投影は,データ多様体の比較的少ないサンプルに基づいている場合でもそのようなニューラルネットワークは高次元データ上で訓練されたニューラルネットワークよりもより優れた近似性能を有することを示した。はまた,低次元投影の発生を目的とするデータの一様分布型スパース試料を用いることが望ましいことが分かった。はこれらの結果の実世界データを含む高次元データ上で定義された関数の集合の実用ニューラルネットワーク近似を考慮することを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】