論文解説：外れ値にロバストなニューラルネットの学習

奥野, 彰文; 柳下, 翔太郎

doi:10.51094/jxiv.928

##article.authors##

奥野, 彰文統計数理研究所統計基盤数理研究系 https://researchmap.jp/aokuno
柳下, 翔太郎統計数理研究所リスク解析戦略研究センター https://researchmap.jp/Shotaro_Yagishita

DOI:

https://doi.org/10.51094/jxiv.928

キーワード:

ニューラルネット、ロバスト推定、トリム損失、高次変動正則化

抄録

本稿は外れ値にロバストなニューラルネットの学習に関する我々のプレプリント Okuno and Yagishita (2024) に関する解説です．解説の平易さを優先するため，厳密な記述については当該プレプリントをご参照ください．

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

ダウンロード実績データは、公開の翌日以降に作成されます。

引用文献

Okuno, A. and Yagishita, S. (2024). Outlier-robust neural network training: Efficient optimization of transformed trimmed loss with variation regularization. arXiv preprint arXiv:2308.02293.

Robbins, H. and Monro, S. (1951). A Stochastic Approximation Method. The Annals of Mathematical Statistics, 22(3):400–407.

Yagishita, S. (2024). Fast algorithm for sparse least trimmed squares via trimmed-regularized reformulation. arXiv preprint arXiv:2410.04554.