When the neural element number n of

When the neural element number n of neural networks is larger than the sample size m, the overfitting
(1) Regularization. That is, the empirical error is combined with
a penalty term, for examples, ℓ1 norm (see Lasso (Tibshirani,
1994)), ℓ2 norm (see ridge-regression (Tikhonov, 1963)), ℓ1/2
norm (e.g. Xu, Chang, & Xu, 2012), group Lasso (e.g. Mairal,
Jenatton, Obozinski, & Bach, 2010 and Yuan & Lin, 2006) or
overlapping group Lasso (e.g. Yuan, Yin, & Ye, 2011) and many
others.

ผลลัพธ์ (ไทย) 1:

เมื่อ n หมายเลของค์ประกอบประสาทข่ายประสาทมีขนาดใหญ่กว่าตัวอย่างขนาด m, overfitting ที่(1) regularization นั่นคือ ข้อผิดพลาดผลร่วมกับระยะยิงลูกโทษ ตัวอย่าง ℓ1 ปกติ (ดูแบบ Lasso (Tibshirani1994)), ℓ2 ปกติ (ดูถดถอยริดจ์ (Tikhonov, 1963)), ℓ1/2ปกติ (เช่นสี ช้าง และ Xu, 2012), กลุ่มแบบ Lasso (เช่น MairalJenatton, Obozinski, Bach, 2010 และหยวน & Lin, 2006) หรือทับซ้อนกลุ่มแบบ Lasso (เช่นหยวน ยิน และ เย 2011) และในผู้อื่น

ผลลัพธ์ (ไทย) 2:

เมื่อจำนวน n องค์ประกอบของระบบประสาทของเครือข่ายประสาทมีขนาดใหญ่กว่าขนาดเมตรตัวอย่าง overfitting
(1) regularization นั่นคือข้อผิดพลาดเชิงประจักษ์จะถูกรวมกับ
ระยะโทษสำหรับตัวอย่างบรรทัดฐานℓ1 (ดูเชือก (Tibshirani,
1994)) บรรทัดฐานℓ2 (ดูสัน-ถดถอย (Tikhonov 1963)) ℓ1 / 2
บรรทัดฐาน (เช่นเสี่ยว ช้างและ Xu, 2012) กลุ่มเชือก (เช่น Mairal,
Jenatton, Obozinski และ Bach, 2010 และหยวนและหลิน 2006) หรือ
เชือกกลุ่มที่ทับซ้อนกัน (เช่นหยวนหยินและ Ye, 2011) และอีกหลาย
คนอื่น ๆ

ผลลัพธ์ (ไทย) 3:

เมื่อตัวเลขธาตุ ประสาทของโครงข่ายประสาทเทียมมีขนาดใหญ่กว่าขนาดตัวอย่าง M , overfitting
( 1 ) ผิดกฎหมาย . นั่นคือความผิดพลาดเชิงประจักษ์พร้อมกับ
โทษในระยะสั้น เช่น ℓ 1 บรรทัดฐาน ( เห็นเชือก ( tibshirani
, 1994 ) ) ℓ 2 มาตรฐาน ( เห็นจ๋า ( tikhonov , 1963 ) , ℓ 1 / 2
ปกติ ( เช่น Xu , ช้าง , & Xu , 2012 ) , บ่วงบาศ กลุ่ม ( เช่น mairal
jenatton obozinski , , , &บาค2010 และหยวน&หลิน , 2006 ) หรือกลุ่ม ( เช่นเชือก
ซ้อนหยวนหยิน &เย , 2011 ) และหลาย
คนอื่น