階層型モデルと正則な統計モデルの相違について
スポンサーリンク
概要
- 論文の詳細を見る
神経回路網などのパラメータを階層的に持つモデルと正則な統計モデルの相違について考察する。正則な統計モデルはパラメータ数が十分大きいという仮定のもとでは、汎化誤差の主要項は最尤推定、事後確率最大推定、ベイズ推定のどの方法でも同じであるが、階層型のモデルでは汎化誤差の主要項が異なる。本論文では、特に事後確率最大化法とベイズ法による汎化誤差について検討し、また階層型モデルにベイズ法を用いると、汎化誤差の主要項がパラメータ数よりも小さな値になることを示す。このことは正則モデルと比較した場合、階層型モデルは同じバリアンスでバイアスを小さくできる可能性を示唆している。
- 社団法人電子情報通信学会の論文
- 1996-12-14
著者
関連論文
- 多項式近似における学習データの最適設計と予測誤差
- ニューラルネットの過学習と中間層の一次独立性について
- 有限ウェーブレット展開の一手法
- 変動する環境における遺伝的アルゴリズムの設計法
- 階層型モデルと正則な統計モデルの相違について
- 変動する環境下での遺伝的アルゴリズムの有効な構築法
- 変動する環境下におけるカオスニューラルネットワークの有効性
- 確率的発見法により最適経路を見い出すカオスニューラルシステム
- ニューラルネットの過学習に関する実験的検討
- 項目重視度を持つ検索法による観光案内システム
- 変動する環境下における最適化問題とカオスニューラルネットワーク
- 遺伝的アルゴリズムを用いたゴミ収集経路の最適化