統計的学習理論概説(サーベイ,<特集>機械学習研究部会)

スポンサーリンク

概要

• 論文の詳細を見る

• 本稿では統計的学習理論における基本的な道具立てを概説する.統計的学習理論は,学習手法の意味や正当性およびその最適性といった問題を議論する.特に,教師データを増やしていった時いかに汎化誤差が収束してゆくかという問題は主要な興味の対象である.汎化誤差の振る舞いを解析するにあたり,経験過程の理論が重要な役割を果たす.また,minimaxリスクの下限を導出する情報理論的技法も紹介する.

• 2013-09-25

著者

• 鈴木 大慈

  東京大学大学院情報理工学系研究科数理情報学専攻

関連論文

• エラスティックネット型正則化を用いたマルチプルカーネル学習の速い収束レート(主成分分析,テキスト・Webマイニング,一般)
• 疎でないマルチプルカーネル学習の速い収束レートおよび最適な正則化に関して(ポスターセッション,第14回情報論的学習理論ワークショップ)
• 疎でないマルチプルカーネル学習の速い収束レートおよび最適な正則化に関して
• Convergence Analysis and Adaptively Weighted Regularization for Multiple Kernel Learning (Fundamental Technologies for the Next-Generation Computational Science)
• 統計的学習理論概説(サーベイ,機械学習研究部会)

スポンサーリンク