代数解析に基づく特異点を持つモデルの学習理論 Learning Theory for Statistical models with singular points based on algebraic analysis

この論文をさがす

著者

    • 渡辺 澄夫 WATANABE Sumio
    • 東京工業大学 精密工学研究所 認知機構研究分野 Advanced Information Processing Division P & I Laboratory, Tokyo Institute of Technology

抄録

階層型神経回路網や混合正規分布などの非線形非正則な統計モデルは真のパラメータの集合が特異点を持つ代数多様体となるために、統計的推定精度を解析するための数学的基盤が十分に整備されていなかった。本論文では佐藤b関数の理論に基づいて特異点の深さを測ることにより学習曲線の一般的な性質を解明する方法を提案し、その理論展開を明らかにする。

Mathematical foundation for nonlinear and irregular statistical models such as multi-layer neural networks and gauussian mixutures have not been sufficiently established, because the set of true parameters of them is an algeraic variety with singularities. This paper proposes a method to clarify the general learning curves by measuring the depth of the singular points based on the theory for Sato's b-functions.

収録刊行物

  • 電子情報通信学会技術研究報告. NC, ニューロコンピューティング

    電子情報通信学会技術研究報告. NC, ニューロコンピューティング 98(401), 73-80, 1998-11-17

    一般社団法人電子情報通信学会

参考文献:  11件中 1-11件 を表示

被引用文献:  2件中 1-2件 を表示

各種コード

  • NII論文ID(NAID)
    110003233436
  • NII書誌ID(NCID)
    AN10091178
  • 本文言語コード
    JPN
  • 資料種別
    ART
  • データ提供元
    CJP書誌  CJP引用  NII-ELS 
ページトップへ