کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6894535 1445925 2018 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Characterization of the equivalence of robustification and regularization in linear and matrix regression
ترجمه فارسی عنوان
مشخص کردن هم ارزیابی قابلیت اطمینان و تنظیم در رگرسیون خطی و ماتریس
کلمات کلیدی
برنامه ریزی محدب بهینه سازی قوی، رگرسیون آماری، روش های جبران خسارت یادگیری آداب و رسوم،
ترجمه چکیده
مفهوم توسعه روش های آماری در یادگیری ماشین ها که قوی به اختلالات درگیری در داده های اساسی هستند، موضوع افزایش علاقه در سال های اخیر شده است. یکی از ویژگی های مشترک این کار این است که ارتقاء تهاجمی اغلب دقیقا مطابق با روش های قانونی است که به عنوان یک عملکرد از دست دادن به همراه یک مجازات ظاهر می شود. در این مقاله، ما درک و درک ارتباط بین تحکیم و تصحیح (که به وسیله مجازات به دست می آید) را در مشکلات رگرسیون گسترش می دهیم. به طور مشخص،
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
پیش نمایش مقاله
مشخص کردن هم ارزیابی قابلیت اطمینان و تنظیم در رگرسیون خطی و ماتریس
چکیده انگلیسی
The notion of developing statistical methods in machine learning which are robust to adversarial perturbations in the underlying data has been the subject of increasing interest in recent years. A common feature of this work is that the adversarial robustification often corresponds exactly to regularization methods which appear as a loss function plus a penalty. In this paper we deepen and extend the understanding of the connection between robustification and regularization (as achieved by penalization) in regression problems. Specifically,
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: European Journal of Operational Research - Volume 270, Issue 3, 1 November 2018, Pages 931-942
نویسندگان
, ,