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。
現代の機械学習設定における一般化の理解は,統計的学習理論における主要な課題の1つである。この文脈において,近年,データサンプルとアルゴリズム出力,仮説空間の圧縮性,および仮説空間のフラクタル次元の間の相互情報のような異なる複雑性概念を示唆する様々な一般化限界の開発を目撃した。これらの限界は,異なる角度から手で問題を照明しているが,それらの提案された複雑性概念は,一見無関係に見える可能性があり,それによって,それらの高レベル影響を制限する。本研究では,速度歪理論のレンズを通して新しい一般化限界を証明し,単一数学的フレームワークにおける相互情報,圧縮性およびフラクタル次元の概念を明示的に関連づけた。提案アプローチは,(i)ソース符号化概念を用いて圧縮率の一般化概念を定義すること,および(ii)ΔΨ圧縮誤り率が期待値および高い確率の両者で一般化誤差にリンクできることを示した。著者らは,無損失圧縮の設定において,既存の相互情報ベース限界を復元し,改善するが,一方,損失圧縮のスキームは,レート歪次元,すなわちフラクタル次元の特定の概念に一般化をリンクすることを可能にすることを示した。著者らの結果は,一般化に関するより統一的な展望をもたらし,いくつかの将来の研究方向を開いた。【JST・京大機械翻訳】