La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

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

Active Learning for Optimal Generalization in Trigonometric Polynomial Models Apprentissage actif pour une généralisation optimale dans les modèles polynomiaux trigonométriques

Masashi SUGIYAMA, Hidemitsu OGAWA

  • Vues en texte intégral

    0

  • Citer

Résumé:

Dans cet article, nous considérons le problème de l'apprentissage actif et donnons une condition nécessaire et suffisante de points d'échantillonnage pour une capacité de généralisation optimale. En utilisant les propriétés des bases pseudo orthogonales, nous clarifions le mécanisme permettant d'atteindre la capacité de généralisation optimale. Nous montrons également que la condition fournit non seulement la capacité de généralisation optimale, mais réduit également la complexité de calcul et la mémoire requise pour calculer les fonctions de résultat d'apprentissage. Sur la base de la condition d'optimalité, nous donnons des méthodes de conception de points d'échantillonnage optimaux pour les modèles polynomiaux trigonométriques. Enfin, l'efficacité de la méthode d'apprentissage actif proposée est démontrée par des simulations informatiques.

Publication
IEICE TRANSACTIONS on Fundamentals Vol.E84-A No.9 pp.2319-2329
Date de publication
2001/09/01
Publicisé
ISSN en ligne
DOI
Type de manuscrit
PAPER
Catégories
Algorithmes et Structures de Données

Auteurs

Mots-clés

Table des matières