反復関数系としての深層ニューラルネットワークおよび汎化誤差限界

要約

深層ニューラルネットワーク（DNN）を確率的な反復関数系（IFS）として捉え直す新しい理論的枠組みが提案されました。この視点により、モデルの安定性を数学的に保証し、生成モデルにおける汎化性能のバウンド（限界）を導出しています。さらに、この理論に基づく新しい学習目的関数を提案し、画像データセットでその有効性を検証しています。

全文は有料プランで閲覧できます。