転移学習における幾何学的構造のクラス:ミニマックス限界と最適性【JST・京大機械翻訳】

Zhang Xuhui; Blanchet Jose; Ghosh Soumyadip; Squillante Mark S.

プレプリント

J-GLOBAL ID：202202213522295521 整理番号：22P0294297

転移学習における幾何学的構造のクラス:ミニマックス限界と最適性【JST・京大機械翻訳】

A Class of Geometric Structures in Transfer Learning: Minimax Bounds and Optimality

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23日プレプリントサーバーでの情報更新日： 2022年02月23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)

転送学習の問題を研究し,その情報理論的限界を理解するための以前の努力は,ソースとターゲットドメインの幾何学的構造を完全に利用しないことを観察した。対照的に,本研究では,両ドメインのGram行列により形成される一般化固有値問題に対応する線形回帰モデル内に自然幾何学的構造を組み込むことの利点を初めて示した。次に,有限サンプルミニマックス下限を確立し,マッチング上限を楽し,次に,複数のソースドメインと一般化線形モデルにフレームワークを拡張する,洗練されたモデル補間推定器を提案した。驚くべきことに,情報源とターゲットパラメータ間の距離に関する情報が利用できる限り,負の移動は起こらない。シミュレーション研究は,著者らの提案した補間推定器が,中程度および高次元設定の両方で最先端の転送学習法より優れていることを示した。【JST・京大機械翻訳】

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

人工知能 , パターン認識

, , , ,

前のページに戻る