math.PR」カテゴリーアーカイブ

Universal Approximation Theorem and error bounds for quantum neural networks and quantum reservoirs

要約 全称近似定理は古典的なニューラル ネットワークの基礎であり、後者が目的のマ … 続きを読む

カテゴリー: 65D15, 68Q12, 68T07, cs.LG, math.PR, quant-ph | Universal Approximation Theorem and error bounds for quantum neural networks and quantum reservoirs はコメントを受け付けていません

An Approximation Theory for Metric Space-Valued Functions With A View Towards Deep Learning

要約 深層学習の発展する数学に動機付けられ、ユークリッド空間間の初等関数を構成要 … 続きを読む

カテゴリー: 41A65, 46T99, 60L50, 65N21, 68T07, cs.LG, cs.NA, cs.NE, math.NA, math.PR, stat.ML | An Approximation Theory for Metric Space-Valued Functions With A View Towards Deep Learning はコメントを受け付けていません

Convergence of SGD for Training Neural Networks with Sliced Wasserstein Losses

要約 Optimal Transport は近年、特に確率尺度を比較する幾何学的 … 続きを読む

カテゴリー: cs.LG, math.OC, math.PR | Convergence of SGD for Training Neural Networks with Sliced Wasserstein Losses はコメントを受け付けていません

Probabilistic Modeling of Inter- and Intra-observer Variability in Medical Image Segmentation

要約 医療画像のセグメンテーションは、特に医療専門家間であっても観察者間および観 … 続きを読む

カテゴリー: cs.AI, cs.CV, cs.LG, eess.IV, math.PR | Probabilistic Modeling of Inter- and Intra-observer Variability in Medical Image Segmentation はコメントを受け付けていません

Quantitative CLTs in Deep Neural Networks

要約 隠れ層の幅が大きな定数 $n$ に比例する、ランダムなガウス重みとバイアス … 続きを読む

カテゴリー: cs.AI, cs.LG, math.PR, stat.ML | Quantitative CLTs in Deep Neural Networks はコメントを受け付けていません

Quantitative CLTs in Deep Neural Networks

要約 隠れ層の幅が大きな定数 $n$ に比例する、ランダムなガウス重みとバイアス … 続きを読む

カテゴリー: cs.AI, cs.LG, math.PR, stat.ML | Quantitative CLTs in Deep Neural Networks はコメントを受け付けていません

Quantitative CLTs in Deep Neural Networks

要約 隠れ層の幅が大きな定数 $n$ に比例する、ランダムなガウス重みとバイアス … 続きを読む

カテゴリー: cs.AI, cs.LG, math.PR, stat.ML | Quantitative CLTs in Deep Neural Networks はコメントを受け付けていません

Neural Hilbert Ladders: Multi-Layer Neural Networks in Function Space

要約 ニューラル ネットワーク (NN) によって探索される関数空間の特徴付けは … 続きを読む

カテゴリー: cs.LG, math.FA, math.OC, math.PR, stat.ML | Neural Hilbert Ladders: Multi-Layer Neural Networks in Function Space はコメントを受け付けていません

Fitting an ellipsoid to a quadratic number of random points

要約 $\mathbb{R}^d$ の $n$ 個の標準ガウス乱数ベクトルを $ … 続きを読む

カテゴリー: cs.DS, cs.LG, math.PR, math.ST, stat.ML, stat.TH | Fitting an ellipsoid to a quadratic number of random points はコメントを受け付けていません

Improved sampling via learned diffusions

要約 最近、一連の論文で、制御された拡散プロセスを使用して正規化されていないター … 続きを読む

カテゴリー: cs.LG, math.OC, math.PR, stat.ML | Improved sampling via learned diffusions はコメントを受け付けていません