统计机器学习中参数可辨识性研究及其关键问题
冉志勇1; 胡包钢2
2017
发表期刊自动化学报
卷号43期号:10页码:1677-1686
其他摘要The study of parameter identifiability has important theoretical meaning and practical value in statistical machine learning. Parameter identifiability is a property that concerns whether the model parameters can be uniquely determined. In learning models containing physical parameters, identifiability is a prerequisite for estimating those parameters; more  importantly, it reflects the physical characteristic determined by those parameters. In order to extend our perspective to future human-like intelligent machines, we put the learning models into the framework of "knowledge-and data-driven models". Within this framework, we propose two key issues. The first is about identifiability criteria which aim to study various criteria closely related to identifiability; the coupling manner between knowledge-driven submodel and data-driven submodel provides novel topics for identifiability study. The second focuses on identifiability relevant to theory and application in machine learning; this involves the deep influence of identifiability on parameter estimation, model selection, learning algorithms, learning dynamics, Bayesian inference.
关键词可辨识性 统计机器学习 参数估计 奇异学习理论 贝叶斯推断
DOI10.16383/j.aas.2017.c160720
引用统计
文献类型期刊论文
条目标识符http://ir.ia.ac.cn/handle/173211/19990
专题模式识别国家重点实验室_多媒体计算与图形学
通讯作者冉志勇
作者单位1.重庆邮电大学计算机科学与技术学院计算智能重庆市重点实验室
2.中国科学院自动化研究所模式识别国家重点实验室
推荐引用方式
GB/T 7714
冉志勇,胡包钢. 统计机器学习中参数可辨识性研究及其关键问题[J]. 自动化学报,2017,43(10):1677-1686.
APA 冉志勇,&胡包钢.(2017).统计机器学习中参数可辨识性研究及其关键问题.自动化学报,43(10),1677-1686.
MLA 冉志勇,et al."统计机器学习中参数可辨识性研究及其关键问题".自动化学报 43.10(2017):1677-1686.
条目包含的文件 下载所有文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
统计机器学习中参数可辨识性研究及其关键问(1371KB)期刊论文作者接受稿开放获取CC BY-NC-SA浏览 下载
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[冉志勇]的文章
[胡包钢]的文章
百度学术
百度学术中相似的文章
[冉志勇]的文章
[胡包钢]的文章
必应学术
必应学术中相似的文章
[冉志勇]的文章
[胡包钢]的文章
相关权益政策
暂无数据
收藏/分享
文件名: 统计机器学习中参数可辨识性研究及其关键问题.pdf
格式: Adobe PDF
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。