PAC-バイエジアン学習における対称性

本論文では、PAC-バイエジアンモデルにおける対称性の重要性を探求し、特に非コンパクトな対称性（例えば、平行移動）に対して一般化保証を拡張しています。従来の研究がコンパクト群の対称性に焦点を当てていたのに対し、本研究はデータ分布が非不変である場合でも適用可能な理論的枠組みを提供します。PAC-バイエジアンの枠組みに基づき、既存の境界を適応して厳密化し、非一様な回転群を持つMNISTデータセットに対して実験的な検証を行います。その結果、得られた保証が従来の結果を上回ることが示され、対称データに対しては対称モデルが優越することが理論的に証明されています。この成果は機械学習における対称性のより一般的な理解を促進するものです。