二層ニューラルネットワークの訓練精度:ランダムデータセットを用いた推定と理解【JST・京大機械翻訳】

Guan Shuyue; Loew Murray

プレプリント

J-GLOBAL ID：202202202660606625 整理番号：22P0203945

二層ニューラルネットワークの訓練精度:ランダムデータセットを用いた推定と理解【JST・京大機械翻訳】

The training accuracy of two-layer neural networks: its estimation and understanding using random datasets

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 (2件)： ,
資料名：
発行年： 2020年10月26日プレプリントサーバーでの情報更新日： 2023年11月09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)

ニューラルネットワーク(NN)技術は機械学習において重要な役割を果たすが,NNモデルの機構と深い学習の透明性の理解は,まだより多くの基礎研究を必要とする。本研究では,訓練なしのランダムデータセット上の2層ニューラルネットワークの近似訓練精度を推定するために,空間分割に基づく新しい理論を提案した。入力データおよび/または訓練モデルを用いて訓練精度を推定する方法を提案した他の研究は無い。提案手法では,入力の次元(d),入力数(N),隠れ層内のニューロン数(L)の3つの議論のみを用いて,2クラスランダムデータセット上の2層完全接続ニューラルネットワークの訓練精度を推定した。著者らの実験で実際の訓練精度を用いて著者らの方法を検証した。その結果,この方法は任意の次元に対して働き,提案した理論はより深いNNモデルの推定にも拡張できることを示した。本論文の主目的は,訓練精度を推定するアプローチによるNNモデルの機構を理解することであるが,実世界アプリケーションにおける一般化やその性能を解析することではない。本研究は,深い学習の理解の困難な問題に関する進展を研究者に提供するための出発点を提供するかもしれない。【JST・京大機械翻訳】

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

人工知能

, , , , ,

前のページに戻る