Entrar
insight - 機械学習 最適化
浅層ReLUニューラルネットワークを用いた最小二乗問題の効率的な解法
本論文では、浅層ReLUニューラルネットワークを用いた最小二乗問題を解くための新しい構造ガイド型ガウス・ニュートン法を提案する。この手法は、最小二乗の構造とニューラルネットワークの構造の両方を効果的に活用する。線形パラメータと非線形パラメータを分類し、それぞれに適した手法を用いて交互に更新することで、高速かつ正確な収束を実現する。
最適な決定木を効率的に学習する - マルコフ決定過程としての解釈可能な決定木探索
決定木学習問題をマルコフ決定過程として定式化し、効率的な探索アルゴリズムを提案する。提案手法は、最適な決定木を高速に見つけるだけでなく、複雑さと性能のトレードオフを持つ複数の決定木を返すことができる。
パラメータフリーの加速ストochastic最適化手法
本論文では、パラメータに依存せずに最適な収束率を達成する加速ストochastic最適化手法を提案する。この手法は、既存の手法と比べて問題パラメータに関する事前知識を必要としない。
Produtos | Recursos
© 2024 by Linnk AI