弱信号のための有益なBayesニューラルネットワーク事前【JST・京大機械翻訳】

Cui Tianyu; Havulinna Aki; Marttinen Pekka; Kaski Samuel

プレプリント

J-GLOBAL ID：202202212561827429 整理番号：21P0025125

弱信号のための有益なBayesニューラルネットワーク事前【JST・京大機械翻訳】

Informative Bayesian Neural Network Priors for Weak Signals

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： 2020年02月24日プレプリントサーバーでの情報更新日： 2021年01月07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。

ニューラルネットワークの高次元重み空間上の事前の符号化ドメイン知識は,限られたデータおよび弱い信号を有するアプリケーションにおいて必須であるが,必須である。2種類のドメイン知識は,科学的応用において一般的に利用可能である:特徴スパース性(関連する特徴の画分);2.信号対ノイズ比,例えば分散の割合(PVE)として定量化した。自動関連性決定で以前に広く使われているGaussスケール混合物に両タイプのドメイン知識をどのように符号化するかを示した。特に,特徴スパース性に関する知識を符号化する局所(すなわち,特徴特異的)スケールパラメータ,およびモデルPVEに誘起された分布が事前分布に整合するような方法でハイパーパラメータを調整するStein勾配最適化を提案する。著者らは,いくつかの公的に利用可能なデータセットおよび信号が弱くてスパースである遺伝的応用において,既存のニューラルネットワークと比較して,新しい事前確率が予測精度を改善し,ハイパーパラメータチューニングに対して計算的に集約的な交差確認をしばしば凌駕することを示した。【JST・京大機械翻訳】

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

信号理論 , 人工知能 , パターン認識 , 図形・画像処理一般

前のページに戻る