情報測度の凸性によるよりタイトな期待一般化誤差限界【JST・京大機械翻訳】

Aminian Gholamali; Bu Yuheng; Wornell Gregory; Rodrigues Miguel

プレプリント

J-GLOBAL ID：202202202976168697 整理番号：22P0294762

情報測度の凸性によるよりタイトな期待一般化誤差限界【JST・京大機械翻訳】

Tighter Expected Generalization Error Bounds via Convexity of Information Measures

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 (4件)： , , ,
資料名：
発行年： 2022年02月24日プレプリントサーバーでの情報更新日： 2022年02月24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)

一般化誤差限界は機械学習アルゴリズムの理解に不可欠である。本論文では,出力仮説と各入力訓練サンプル間の平均関節分布に基づく新しい期待一般化誤差上限を提示した。異なる情報測度に基づく多重一般化誤差上限を,Wasserstein距離,全変動距離,KL発散,およびJensen-Shannon発散を含めて提供した。情報測度の凸性により,Wasserstein距離と全変動距離に関する提案限界は,文献中の個々のサンプルに基づくそれらの対応物よりタイトであることを示した。用例は,提案した一般化誤差限界の気密性を実証するために提供した。【JST・京大機械翻訳】

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

人工知能

, , , ,

前のページに戻る