20/09/22 18:07:56.01 qkl/9znF.net
>>538 補足
正直、この園田翔のDR論文はすぐには読めない
かなり、数学理論を勉強しながらでないとね（＾＾；
で
「今後の展望
学習機械の汎化誤差を近似誤差と推定誤差に分けて考え
る。近似誤差を評価するのは関数近似理論，推定誤差を評価するのは統計
学や学習理論である。積分表現理論は専ら関数近似の理論であり，デー
タの存在は希薄である。しかし今後は，統計的な解析にも取り組んでい
く必要がある。」
ってある
学習機械の汎化誤差：近似誤差と推定誤差
積分表現理論：専ら関数近似の理論
ということは、学習機械の汎化誤差の半分しか扱ってない
だから、これを読んでも、いまいちという気がする
もちろん、この分野の専門家なら、読む価値あると思うが
一般人には、付録の方が価値があると思う（>>540）
（>>538より）
URLﾘﾝｸ(core.ac.uk)
深層ニューラルネットの積分表現理論 2017 年 2 月 園田翔
早稲・大学大学院先進理工学研究科
電気・情報生命専攻 情報学習システム研究
(抜粋)
第1章 序論
深層ニューラルネットは，2012 年頃から機械学習や人工知能の分野で
急速に発展を続けている学習機械である。深層ニューラルネットの快挙
は，大画像に対する一般物体認識タスクで人間と同程度のスコアを記録
し，囲碁では「人?最強」とも呼ばれる棋士イ・セドル氏に勝利するな
ど，枚挙に暇がない。ニューラルネットは，神経細胞が繋がり合って情
報を処理論する?子を抽象化した「脳の数理論モデル」として，20 世紀半ば
に?場し，これまでに二度のブームを引き起こしている。深層ニューラ
ルネットは第三次ブームの立役者である。
つづく