TOSAMO - Theory of generalization ability of machine learning algorithms torrent

Разное » Разное (раздачи) » Публикации и учебные материалы (тексты)

ТОСАМО - Теория обобщающей способности алгоритмов машинного обучения

Год: 2015
Автор: Юрий Решетов
Язык: Русский
Формат: PDF
Качество: Изначально компьютерное (eBook)
Количество страниц: 27
Описание: Теория обобщающей способности - ТОСАМО является альтернативной для наиболее распространённой на сегодняшний день Статистической теории машинного обучения Владимира Вапника.

ТОСАМО с помощью математической теории игр и линейной алгебры отвечает на вопросы, не имевшие ответов в предшествующих теориях:

1. Почему максимальная обучающая способность не не всегда соответствует максимальной обобщающей способности?
2. Как отличить информативные факторы от неинформативных?
3. Что делать, если решение неоднозначно?
4. Как получить неизменное качество классификации при наличии инвариантных искажений информации в выборке и каковы допустимые пределы инвариантности?
5. Где и в каких случаях искать причины низкой обобщающей способности: в выборке или в алгоритме?

Если прежние теории предполагали в качестве рабочей гипотезы для распознавания образов необходимость выбора из множества всех разделяющих распознаваемые классы друг от друга гиперплоскостей в гиперпространстве признаков, единственную гиперплоскость, отвечающую условиям неких критериев экстремальной оптимальности, то в ТОСАМО принят совершенно иной подход, заключающийся в том, что сначала необходимо выявить обобщающую закономерность для всех возможных гиперплоскостей, разделяющих классы, чтобы потом из этой закономерности выявить единственную гиперплоскость, максимально соответствующую аксиоматике критерия Шепли.

Несмотря на кажущуюся теоретическую сложность подхода, принятого в ТОСАМО, прикладной метод поиска решения имеет достаточно примитивную и интуитивно понятную по сравнению общеизвестными методами в области нейрокомпьютинга реализацию в виде алгоритма.
Более того, алгоритм находит решения задач распознавания образов с более высокой обобщающей способностью по результатам классификации вне обучающей выборки по сравнению со своими предшественниками, несмотря на незначительное снижение качества обучающей способности.

Чтобы читатель не запутался в теоретических выкладках, если он не силён в теории игр или линейной алгебре, в документе приведён простой пример решения задачи бинарной классификации, с помощью которого можно легко понять, что конкретно выполняется на каждом этапе алгоритма.
[spoiler="Примеры страниц"]


[/spoiler]