Core Concepts
不均一なデータに対して、エルゴード型の十分条件の下で、ベイズ誤差境界を達成可能な分類と回帰の手法を提案する。
Abstract
本論文では、独立だが必ずしも同一に分布していない(不均一な)データに対する分類と回帰の誤差境界について研究している。
まず、分類の問題では、非定常なノイズの存在下で、ユニバーサルルールを用いてベイズ誤差境界を達成可能とする、エルゴード型の十分条件を示した。
次に、回帰の問題では、同様のエルゴード型条件の下で、k-最近傍法による最適な誤差境界を得た。
最後に、これらの結果を無線ネットワークの文脈で具体的に説明した。特に、送信電力推定と認知無線ネットワークにおける一次ユーザ検出への応用を示した。
全体として、本論文は、不均一なデータに対する分類と回帰の理論的な解析を行い、無線ネットワークなどの実応用につなげている点で意義がある。
Stats
送信電力レベルYjは位置Xjの関数h(Xj)で表される。
一次ユーザ検出の指標hiは、i番目の無免許ユーザが一次ユーザに干渉するかどうかを表す指標関数である。
Quotes
"エルゴード型の十分条件の下で、ベイズ誤差境界を達成可能な分類と回帰の手法を提案する。"
"k-最近傍法による最適な誤差境界を得た。"