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。
近年,ニューラルネットワークは複雑で抽象的なデータモデルの解析のための強力なツールになった。しかし,それらの導入は,解析の特徴がモデル関連であり,ニューラルネットワークに起因するという不確実性を本質的に増加させる。これは,ニューラルネットワークによる予測が,データの創造と観察の真の性質のため,自明に識別できないバイアスを持つことを意味する。そのような問題に取り組むために,著者らは,ネットワークによる不確実性が特性化できるニューラルネットワーク:ニューラルネットワークについて議論する。特に,著者らは,あるデータの観測のカーネルランダム性と,データがどのように作成され,観察されるかについての知識の欠如からの不確実性に関して,不確実性を分類できるBayes統計フレームワークを提示した。そのような技術を示す際に,ニューラルネットワークによる予測の誤差が原理的にどのように得られるかを示し,これらの誤差を特性化するための2つの好ましい方法を提供した。また,これらの方法のどれが,実践に置かれるとき,実質的な落とし穴を持つかを記述し,ニューラルネットワークを使用するとき,推論を真に行うことができる他の統計的手法の必要性を強調した。【JST・京大機械翻訳】