カーネルノルムによるWasserstein距離の制御と圧縮統計的学習への応用【JST・京大機械翻訳】

Vayer Titouan; Gribonval Remi

プレプリント

J-GLOBAL ID：202202201863000769 整理番号：22P0007064

カーネルノルムによるWasserstein距離の制御と圧縮統計的学習への応用【JST・京大機械翻訳】

Controlling Wasserstein Distances by Kernel Norms with Application to Compressive Statistical 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。

arXiv掲載論文の撤回有無については、一次情報をご確認下さい。

著者 (2件)： ,
資料名：
発行年： 2021年12月01日プレプリントサーバーでの情報更新日： 2023年05月31日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント言語：英語 (EN)

確率分布の比較は,多くの機械学習アルゴリズムの乗務である。最大平均不一致(MMD)とWasserstein距離は,過去数年で豊富な注目を引きつけた確率分布間の2つのクラスの距離である。本論文は,Wasserstein距離がMMDノルムによって制御できるいくつかの条件を確立した。本研究は,圧縮統計学習(CSL)理論,訓練データを単一ベクトル(スケッチと呼ばれる)で要約する,資源効率の良い大規模学習のための一般的なフレームワークにより動機づけられ,これは,考察した学習タスクに関連する情報を捉える。CSLにおける既存の結果に触発されて,著者らは,H「古い低制限アイソメトリック特性」を導入し,そして,この特性が,MMDとWasserstein距離の間の関係に基づいて,圧縮統計的学習のための興味深い保証を持ち,著者らは,学習タスクのWasserstein規則性の概念を導入および研究することによって,圧縮統計的学習のための保証を提供し,そしてそれは,確率分布間のいくつかのタスク特異的計量を,Wasserstein距離によって制限することができた。【JST・京大機械翻訳】

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

人工知能

, , , ,

ライセンス情報：

前のページに戻る