複雑性とLipschitz定数の制御は多項式ネットを改善する【JST・京大機械翻訳】

Zhu Zhenyu; Latorre Fabian; Chrysos Grigorios G; Cevher Volkan

プレプリント

J-GLOBAL ID：202202211945825737 整理番号：22P0287680

複雑性とLipschitz定数の制御は多項式ネットを改善する【JST・京大機械翻訳】

Controlling the Complexity and Lipschitz Constant improves polynomial nets

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10日プレプリントサーバーでの情報更新日： 2022年02月10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)

多項式ネットのクラスはニューラルネットワーク(NN)に匹敵する性能を示したが,現在,理論的一般化キャラクタリゼーションもロバスト性保証も有していない。この目的のために,著者らは,l_∞演算子ノルムとl_2演算子ノルムに関して多項式ネットの結合したCP-De組成(CCP)とNested結合CP-分解(NCP)モデルのセットのための新しい複雑性限界を導いた。さらに,両モデルに対するLipschitz定数の限界を導出し,それらのロバスト性の理論的証明書を確立した。理論的結果は,6つのデータセットで実験的に評価する原理的正則化スキームを提案することを可能にして,それが,敵対的摂動に対するモデルのロバスト性と同様に精度を改善することを示した。著者らは,この正則化が敵対訓練とどのように組み合わせるかを示し,更なる改善をもたらした。【JST・京大機械翻訳】

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

ニューロコンピュータ , 人工知能 , パターン認識

, , ,

前のページに戻る