内容紹介

サポートベクトルマシン (support vector machine, SVM) は，学習において局所解に陥る心配がない，汎化能力に関する理論的裏づけがあるなどの利点を持ち，応用面においてもこれまでの学習機械を凌駕する高い汎化能力を示している．しかし学習理論の多くは PAC 学習の枠組みに基づいており，そこで導かれた汎化誤差のバウンドは入力の分布によらない一種の最悪評価であるため，実際の汎化誤差とは乖離しているといわれている．そこで本ゼミナールでは，SVM を簡単に紹介した後，より現実的な汎化能力を示す平均汎化誤差に関する最近の研究成果を紹介する．

詳細情報

刊年

2008

形態

電子化映像資料(1時間19分49秒)

シリーズ名

情報科学研究科・ゼミナール講演 ; 平成19年度

注記

講演者所属: 京都大学大学院情報学研究科システム科学専攻准教授

講演日: 平成20年1月8日

講演場所: 情報科学研究科大講義室

標題言語

日本語 (jpn)

本文言語

日本語 (jpn)

著者情報

池田, 和司 (イケダ, カズシ)