ユークリッド空間に埋め込まれた低次元データからの学習の副作用【JST・京大機械翻訳】

He Juncai; Tsai Richard; Ward Rachel

プレプリント

J-GLOBAL ID：202202215113418800 整理番号：22P0297264

ユークリッド空間に埋め込まれた低次元データからの学習の副作用【JST・京大機械翻訳】

Side Effects of Learning from Low-dimensional Data Embedded in a Euclidean Space

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： 2022年03月01日プレプリントサーバーでの情報更新日： 2023年02月04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)

低次元多様体仮説は,自然画像を含むもの,例えば,高次元ユークリッド空間に埋め込まれた低次元多様体に(約)存在するような多くのアプリケーションで発見されたデータに置く。この設定において,典型的なニューラルネットワークは,入力として埋込み空間において有限数のベクトルを取る関数を定義する。しかし,訓練分布外の点において,最適化ネットワークを評価する必要がある。本論文では,訓練データがR ̄dの線形部分空間に分布する場合を考察した。部分空間に対して横方向にニューラルネットワークによって定義される学習関数の変化に関する推定を導いた。データ多様体の共次元におけるネットワークの深さと雑音に関連する潜在的正則化効果について研究した。また,雑音の存在による訓練における付加的副作用を示した。【JST・京大機械翻訳】

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

人工知能 , システム・制御理論一般 , 図形・画像処理一般

, ,

前のページに戻る