論文解説：WAIC による過剰パラメータモデルの汎化誤差推定
##article.authors##
-
奥野, 彰文
統計数理研究所 統計思考院
https://researchmap.jp/aokuno
-
矢野, 恵佑
統計数理研究所 数理・推論研究系
https://researchmap.jp/keisukeyano
DOI:
https://doi.org/10.51094/jxiv.537キーワード:
WAIC、 ニューラルネット、 過剰パラメータモデル、 特異モデル、 自由度、 汎化抄録
本稿は Journal of Computational and Graphical Statistics 誌に採択された我々の原著論文:
Okuno, A. and Yano, K. (2023). A generalization gap estimation for overparameterized models via the Langevin functional variance. Journal of Computational and Graphical Statistics. https://doi.org/10.1080/10618600.2023.2197488.
に関する解説です．
利益相反に関する開示
本論文に関わる利益相反はありません．ダウンロード *前日までの集計結果を表示します
引用文献
Okuno, A. and Yano, K. (2023). A generalization gap estimation for overparameterized models via the Langevin functional variance. Journal of Computational and Graphical Statistics. https://doi.org/10.1080/10618600.2023.2197488.
Watanabe, S. (2010). Asymptotic equivalence of bayes cross validation and widely applicable information criterion in singular learning theory. Journal of Machine Learning Research, 11(116):3571–3594.
ダウンロード
公開済
投稿日時: 2023-10-24 06:17:20 UTC
公開日時: 2023-10-25 23:29:53 UTC
ライセンス
Copyright（c）2023
奥野, 彰文
矢野, 恵佑
この作品は、Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International Licenseの下でライセンスされています。
