Проблема перенавчання в машинному навчанні та методи її запобігання
Вантажиться...
Файли
Дата
Автори
Назва журналу
Номер ISSN
Назва тому
DOI
Анотація
This paper explores the problem of overfitting in machine learning and modern methods for its prevention, including regularization, dropout, cross-validation, and early stopping. Special attention is given to minimax approximation as a way to improve model stability. Experiments on synthetic and real datasets demonstrate a reduced risk of overfitting and improved generalization performance.
Опис
Ключові слова
УДК
Тип документа
Мова
ISSN
Бібліографічний опис
Кривошея М. І. Проблема перенавчання в машинному навчанні та методи її запобігання // Матеріали LIV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2025 р. Електрон. текст. дані. 2025. URI: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2025/paper/view/24551.
Схвалення
Рецензія
Доповнено
Цитується в
Список використаної літератури (3)
- Li Z., Zhou Z.-H., Gretton A. Towards an Understanding of Benign Overfitting in Neural Networks // arXiv preprint. [Електронний ресурс] – Режим доступу: https://arxiv.org/abs/2106.03212 (дата звернення: 20.03.2025).
- Wang Y., Li L., Yang J., Lin Z., Wang Y. Balance, Imbalance, and Rebalance: Understanding Robust Overfitting from a Minimax Game Perspective // arXiv preprint. [Електронний ресурс] – Режим доступу: https://arxiv.org/abs/2310.19360 (дата звернення: 20.03.2025).
- Xu Y., Liu Q., Li Q., Zhang Y., Wang H. Overfitting Remedy via Feature Representation Optimization in Deep Neural Networks // IEEE Access. 2022. Vol. 10. P. 38912–38924. [Електронний ресурс] – Режим доступу: https://doi.org/10.1109/ACCESS.2022.3165621 (дата звернення: 20.03.2025).