文献

J-GLOBAL ID：202202290465488300   整理番号：22A0797992

区分的連続関数におけるサブパターンの学習【JST・京大機械翻訳】

Learning sub-patterns in piecewise continuous functions

著者 (3件)： Kratsios Anastasis (ETH Zuerich, Department of Mathematics, Raemistrasse 101, 8092 Zuerich, Switzerland) ,  Kratsios Anastasis (University of Basel, Department of Mathematics and Informatics, Spiegelgasse 1, 4051 Basel, Switzerland) ,  Zamanlooy Behnoosh (University of Zuerich, Department of Informatics, Binzmuehlestrasse 14, 8050 Zuerich, Switzerland)
資料名： Neurocomputing  (Neurocomputing)
巻： 480  ページ： 192-211  発行年： 2022年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ほとんどの確率的勾配降下アルゴリズムは,それらのパラメータにおいてサブ微分可能なニューラルネットワークを最適化できる。しかし,ニューラルネットワークの活性化関数は,ニューラルネットワークモデルの均一近似容量を連続関数に制限する連続性の程度を示す必要があることを意味する。本論文は,不連続が入力空間の異なる部分に定義される異なるサブパターンから生じる事例に焦点を当てた。ネットワークのみと戦略的に配置された不連続ユニットを通して通過勾配更新を回避する,分離2段階手順により訓練可能な新しい不連続深層ニューラルネットワークモデルを提案した。ここでは,ここで導入した区分的連続関数の空間における有界連続関数および普遍的近似保証の空間におけるアーキテクチャに対する近似保証を提供した。不連続な深層学習モデルに対する新しい半教師つき2段階訓練手順を提示し,その構造に調整し,その有効性の理論的サポートを提供した。提案モデルの性能と提案手順で訓練された性能を,実世界の金融データセットと合成データセットの両方で実験的に評価した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *関数 ,  最適化 ,  ネットワーク ,  ニューラルネットワーク ,  近似法 ,  微分 ,  金融 ,  モデル ,  限界 ,  *不連続性 ,  計算機アーキテクチャ ,  機械学習
準シソーラス用語： 神経回路網モデル ,  *連続関数 ,  活性化関数 ,  有界 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (7件)： 区分的連続関数 ,  ユニバーサル近似 ,  不連続フィードフォワードネットワーク ,  不連続関数 ,  深いゼロセット ,  集合値普遍近似 ,  定量的金融

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 連続関数 ,  サブ ,  学習