研課題
J-GLOBAL ID：202304013715126404
研究課題コード：20352212 過剰パラメータ化が導く学習原理の再設計
JPMJFR206J
実施期間：2022 - 2022
実施機関 (1件)： 研究代表者：
(
, 情報学プリンシプル研究系, 准教授 )
DOI： https://doi.org/10.52926/JPMJFR206J 研究概要： 機械学習におけるモデル設計では、単純すぎず、かつ複雑すぎないモデルが望ましいとされてきました。しかし、過剰パラメータ化によってモデルを大きくすると、再び性能が良くなるという現象が報告されています。これまでの基準が覆り、データサイエンスを用いるあらゆる分野に影響を与える可能性があります。本研究では、モデル体積に着目した理論解析でこの現象を解明し、実問題で利用可能な形式へ昇華することを目指します。
タイトルに関連する用語 (4件)： タイトルに関連する用語
J-GLOBALで独自に切り出した研究課題タイトルの用語をもとにしたキーワードです
,
,
,
研究制度：
＞
上位研究課題： 八木パネル 研究所管機関： 報告書等： 前のページに戻る 