NeurIPS2020競争:深層学習における一般化の予測【JST・京大機械翻訳】

Jiang Yiding; Foret Pierre; Yak Scott; Roy Daniel M.; Mobahi Hossein; Dziugaite Gintare Karolina; Bengio Samy; Gunasekar Suriya; Guyon Isabelle; Neyshabur Behnam

プレプリント

J-GLOBAL ID：202202200165645778 整理番号：22P0218038

NeurIPS2020競争:深層学習における一般化の予測【JST・京大機械翻訳】

NeurIPS 2020 Competition: Predicting Generalization in Deep Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (10件)： , , , , , , , , ,
資料名：
発行年： 2020年12月14日プレプリントサーバーでの情報更新日： 2020年12月14日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

深層学習における一般化の理解は,深い学習における最も重要な問題の1つである。深層学習は,パターン認識から複雑な意思決定までの多数の問題に対してうまく採用されてきたが,最近の多くの研究者は,深い学習に関する多くの懸念を提起し,その中で最も重要なものは一般化である。多くの試みにもかかわらず,従来の統計的学習アプローチは,なぜ深い学習が働くかに関する満足な説明を提供できる。最近の作業ラインは,複雑性測度を通して一般化性能を予測することを試みることによって,問題に対処することを目的とする。この競争において,著者らは,モデルの一般化を正確に予測することができる複雑性測度を提案するために,コミュニティを投資する。ロバストで一般的な複雑性測度は,深い学習の根底にあるメカニズムのより良い理解と,非意味データに関する深いモデルの挙動,またはより良い一般化限界に光を当てるであろう。これらのすべての成果は,よりロバストで信頼できる深い学習を作るために重要である。【JST・京大機械翻訳】

, , , , ,
, , , 【Automatic Indexing@JST】

人工知能

, , ,

前のページに戻る