검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

A Theoretical Analysis of On-Line Learning Using Correlated Examples 상관 사례를 이용한 온라인 학습의 이론적 분석

Chihiro SEKI, Shingo SAKURAI, Masafumi MATSUNO, Seiji MIYOSHI

  • 조회수

    0

  • 이것을 인용

요약 :

본 논문에서는 통계적 기계적 방법을 사용하여 온라인 학습 프레임워크에서 상관 입력을 사용한 학습의 일반화 성능을 분석적으로 조사합니다. 가우스 노이즈가 있는 선형 퍼셉트론으로 구성된 모델을 고려합니다. 먼저 경사법의 사례를 분석한다. 입력 간의 상관관계가 클수록, 입력 개수가 많을수록 학습률이 만족해야 하는 조건은 엄격해지고, 학습 속도는 느려진다는 것을 분석적으로 밝혔습니다. 둘째, 블록 직교 투영 학습을 대안 학습 규칙으로 취급하여 이론을 도출한다. 노이즈가 없는 경우 학습 속도는 상관 관계에 의존하지 않으며 업데이트에 사용되는 입력 수에 비례합니다. 학습 속도는 상관되지 않은 입력을 사용하는 그래디언트 방법과 동일합니다. 반면, 노이즈가 있는 경우에는 입력 간의 상관관계가 클수록 학습 속도가 느려지고 잔여 일반화 오류가 커집니다.

발행
IEICE TRANSACTIONS on Fundamentals Vol.E91-A No.9 pp.2663-2670
발행일
2008/09/01
공개일
온라인 ISSN
1745-1337
DOI
10.1093/ietfec/e91-a.9.2663
원고의 종류
PAPER
범주
신경망과 생명공학

작성자

키워드