一个新的泛化误差的界指导教师王熙照教授优秀培训书.pptVIP

主要内容 界的推导 设T为输入空间，输入向量 为 x 的密度函数， 目标函数， 为逼近函数。 今后的工作 当 n 趋于无穷大时，能否能找到 的 确切分布. 这个界是否与敏感性有关系？ 将这个界应用到样例选择、结构选择、属性选择中。 * * 一个新的泛化误差的界 指导教师：王熙照 教授 报 告 人：李 杰 课题来源和意义 研究现状及分析 一个新的泛化误差的界 今后的工作 课题来源和意义 一个好的网络要具有好的泛化能力。 决定一个网络的好坏有好多的因素： 训练样例的选择 隐含层中心的选择等。 如果我们能找到一个泛化误差的上界，利用这个上界指导我们去训练网络，从而得到一个具有更好泛化能力的网络。 研究现状及分析 “Localized Generalization Error and Its Application to RBFNN Training” W.W.Y. Ng, D.S. Yeung, D. Wang, E.C.C. Tsang and X-Z Wang 问题:我们认为这个界比较大 1.在界的推导过程中，共用了5次不等式的放大。 利用了Hoeffding Inequality 文中的一个假设：the average of errors of uns