深い直接密度比推定のための非負Bregman発散最小化【JST・京大機械翻訳】

Kato Masahiro; Teshima Takeshi

プレプリント

J-GLOBAL ID：202202220707413152 整理番号：21P0035301

深い直接密度比推定のための非負Bregman発散最小化【JST・京大機械翻訳】

Non-Negative Bregman Divergence Minimization for Deep Direct Density Ratio Estimation

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 (2件)： ,
資料名：
発行年： 2020年06月12日プレプリントサーバーでの情報更新日： 2021年07月17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)

密度比推定(DRE)は,異常検出やドメイン適応のような様々な機械学習タスクのコアにある。DREに関する既存の研究において,Bregman発散(BD)最小化に基づく方法を広範囲に研究した。しかし,深いニューラルネットワークのような高度に柔軟なモデルを適用したとき,BD最小化は,経験的BD推定器の典型的特性によって引き起こされた過剰適合の源である,列車損失ハッキングを呼び出すのに悩まされる傾向がある。本論文では,列車損失ハッキングを緩和するために,経験的BD推定器のための非負補正を提案した。理論的に,一般化誤差限界を通して提案した方法の健全性を確認した。著者らの実験を通して,提案方法は,異常値ベースの異常値検出において好ましい性能を示した。【JST・京大機械翻訳】

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

数値計算 , 人工知能

, , ,

前のページに戻る