Proj
J-GLOBAL ID:202304013715126404  Research Project code:20352212

過剰パラメータ化が導く学習原理の再設計

過剰パラメータ化が導く学習原理の再設計
National award number:JPMJFR206J
Study period:2022 - 2022
Organization (1):
Principal investigator: ( , 情報学プリンシプル研究系, 准教授 )
DOI: https://doi.org/10.52926/JPMJFR206J
Research overview:
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。
Terms in the title (4):
Terms in the title
Keywords automatically extracted from the title.
Research program:
Parent Research Project: 八木パネル
Organization with control over the research:
Japan Science and Technology Agency
Reports :

Return to Previous Page