抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
現在のPAC-Bayes一般化限界は,損失または誤り率のような性能のスカラー計量に制限される。しかし,1つの理想的には,回帰における試験損失の分布や異なる誤分類の確率のような,可能な結果の全分布を制御するより多くの情報豊富な証明書が望まれる。回帰に対する離散化損失値,または分類のための混乱行列(あるいは分割)の要素のいずれかを離散化できるM誤差タイプの集合の経験的および真の確率の間のKullback-Leibler発散を結合させることにより,そのような豊富な情報を提供できる最初のPAC-Bayes結合を提供した。この境界を微分可能な訓練目的に変換した。この境界は,異なる誤分類の重症度が時間とともに変化する場合,特に有用である;既存のPAC-Bayes限界は,誤差タイプの特定の事前決定重みづけを結合できるだけであった。対照的に,この束縛は,同時に,すべての非可算性に,同時に多くの重み付けを制御的に制御する。【JST・京大機械翻訳】