組織

専攻

附属センター

関連連携研究機構

関連学部

無限次元入力に対する畳み込みニューラルネットワークの適応的近似・推定誤差の解析

片島 健博

（指導教員：鈴木 大慈 准教授／ 数理情報第6研究室）

資料PDF（Katashima.pdf）
研究概要

ニューラルネットワークは入力が高次元でもうまく学習できることで注目を集めている．本研究では適応的近似の理論に基づいて入力が無限次元でかつ真の関数が異方的な滑らかさを持つ場合における拡張畳み込みニューラルネットワーク(拡張CNN) の近似・推定誤差を解析し，拡張CNNの線形手法に対する優位性を示した．
修論の感想

研究の中でニューラルネットワークの近似・推定理論に関する幅広い知識を身につけることができ，貴重な経験でした．自分にとっては初めての学位論文の執筆で至らない点も多かった中，支えてくれた指導教員及び研究室の方々に感謝いたします．

>
ISTyくん

東京大学 THE UNIVERSITY OF TOKYO

Copyright © 2019 　Graduate School of Information Science and Technology, The University of Tokyo