データからの閉形式数学モデルの学習に対する基本的限界【JST・京大機械翻訳】

Fajardo-Fontiveros Oscar; Reichardt Ignasi; Rios Harry R. De Los; Duch Jordi; Sales-Pardo Marta; Guimera Roger

プレプリント

J-GLOBAL ID：202202207639801410 整理番号：22P0327126

データからの閉形式数学モデルの学習に対する基本的限界【JST・京大機械翻訳】

Fundamental limits to learning closed-form mathematical models from data

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 (6件)： , , , , ,
資料名：
発行年： 2022年04月06日プレプリントサーバーでの情報更新日： 2022年12月16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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

閉形式数学モデルで生成された有限で雑音の多いデータセットを与えると,データのみから真の生成モデルを学習できる。ここでは,ここで調査した疑問である。このモデル学習問題は,真のモデルを学習できる低雑音位相から,観測ノイズが任意の方法で学習される真のモデルに対して高すぎる位相に遷移することを示す。低雑音位相と高雑音位相の両方において,確率的モデル選択は,データに最適な一般化をもたらす。これは,人工ニューラルネットワークを含む標準機械学習手法と対照的であり,この特殊な問題は,低雑音相において,それらの補間能力によって制限される。学習可能と非学習可能相の間の遷移領域において,一般化は確率的モデル選択を含むすべてのアプローチに対して困難である。【JST・京大機械翻訳】

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

人工知能

, , ,

前のページに戻る