Neural Network 기반 SDR(Sufficient Dimension Reduction) 연구 프로젝트
GitHub: leeje008/NN_SDR
Introduction 고차원 비모수 회귀에서 변수 선택은 대부분 선형성 또는 가법성(additivity) 가정에 의존한다. Ye & Sun (2018)은 신경망의 보편적 근사 성질을 활용하되, Drop-Out-One Loss라는 새로운 통계량으로 각 변수(또는 변수 그룹)의 유용성을 측정하여, 복잡한 비선형 상호작용이 존재하는 상황에서도 변...
Introduction 고차원($p \gg n$) 비모수 회귀에서 신경망은 일반적으로 학습 표본이 부족하여 사용이 어렵다. Feng & Simon (2019)은 첫 번째 층에 Sparse Group Lasso 페널티를 부과하여 소수의 입력 변수만 선택하는 Sparse-Input Neural Network(SPINN)을 제안하고, 초과 위험(e...
Introduction 계층적 데이터셋(hierarchical datasets)에서는 데이터 포인트가 그룹으로 묶인다 (예: 학교별 학생, 병원별 환자). 이러한 데이터에서 그룹별 변동성(group-specific variations)을 모델링하는 것이 중요하다. 접근 방식 장점 한계 ...
[Paper Review] Sparse-Input Neural Networks for High-dimensional Nonparametric Regression and Classification
[Paper Review] Deep One Class Classification
A new version of content is available.