半構造化分布回帰  任意の深層ニューラルネットワークとデータモダリティによる構造化付加モデルの拡張【JST・京大機械翻訳】

Ruegamer David; Kolb Chris; Klein Nadja

プレプリント

J-GLOBAL ID：202202207671518959 整理番号：21P0024410

半構造化分布回帰任意の深層ニューラルネットワークとデータモダリティによる構造化付加モデルの拡張【JST・京大機械翻訳】

Semi-Structured Distributional Regression -- Extending Structured Additive Models by Arbitrary Deep Neural Networks and Data Modalities

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 (3件)： , ,
資料名：
発行年： 2020年02月13日プレプリントサーバーでの情報更新日： 2022年07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)

付加モデルとニューラルネットワークを結合することは,統計的回帰の範囲を広げ,同時に解釈可能な構造化付加予測子によって深層学習ベース手法を拡張することを可能にした。しかし,2つのモデリングアプローチを一体化する既存の試みは,非常に特定の組合せに限られ,より重要なことに,識別可能性問題を含む。結果として,解釈性と安定推定は典型的に失われる。構造化回帰モデルと深層ニューラルネットワークを統一ネットワークアーキテクチャに統合するための一般的フレームワークを提案した。異なるモデル部分間の固有識別可能性問題を克服するために,統計的モデル予測子の直交補完に深いニューラルネットワークを投影する直交化セルを構築した。これは構造化モデル部品の適切な推定とそれによって解釈できる。数値実験におけるフレームワークの有効性を実証し,ベンチマークと実世界アプリケーションにおける特別な利点を説明した。【JST・京大機械翻訳】

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

人工知能

, , , , ,

前のページに戻る

半構造化分布回帰 任意の深層ニューラルネットワークとデータモダリティによる構造化付加モデルの拡張【JST・京大機械翻訳】

半構造化分布回帰任意の深層ニューラルネットワークとデータモダリティによる構造化付加モデルの拡張【JST・京大機械翻訳】