超変位ベース学習:勾配ベース最適化を用いた直接アプローチ【JST・京大機械翻訳】

Laguel Yassine; Malick Jerome; Harchaoui Zaid

プレプリント

J-GLOBAL ID：202202200520553600 整理番号：22P0022742

超変位ベース学習:勾配ベース最適化を用いた直接アプローチ【JST・京大機械翻訳】

Superquantile-based learning: a direct approach using gradient-based optimization

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 (3件)： , ,
資料名：
発行年： 2022年01月03日プレプリントサーバーでの情報更新日： 2022年01月03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)

訓練から試験までの分布シフトに対するロバスト性を持つモデルを与える教師つき学習の定式化を考察した。定式化は,条件付き値-リスクとして知られた超分位リスク尺度で,機械学習と信号処理の最近の応用に有望であることを示した。超分位関数の直接平滑化により,超分位ベース学習目的は,勾配ベース最適化,例えば,勾配降下または準Newtonアルゴリズムのようなバッチ最適化アルゴリズム,または確率的勾配アルゴリズムのような確率的最適化アルゴリズムを用いて,勾配ベース最適化に従うことを示した。コンパニオンソフトウェアSPQRは,記述され,専門家が超分位ベースの教師つき学習で実験することを可能にする。【JST・京大機械翻訳】

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

人工知能 , パターン認識

, , ,

前のページに戻る