초록
신경망 앙상블은 모델 효율성을 향상시키는 일반적이고 강력한 방법이다. 본 논문에서는 Audibert의 경험적 스타 알고리즘을 기반으로 한 새로운 신경망 앙상블 알고리즘을 제안한다. 또한, 과잉 제곱 위험에 대한 최적의 이론적 미니맥스 경계를 제시한다. 더불어, 본 알고리즘을 회귀 및 분류 과제에 대해 실증적으로 검토하고, 가장 널리 사용되는 앙상블 방법들과 비교 분석한다.
신경망 앙상블은 모델 효율성을 향상시키는 일반적이고 강력한 방법이다. 본 논문에서는 Audibert의 경험적 스타 알고리즘을 기반으로 한 새로운 신경망 앙상블 알고리즘을 제안한다. 또한, 과잉 제곱 위험에 대한 최적의 이론적 미니맥스 경계를 제시한다. 더불어, 본 알고리즘을 회귀 및 분류 과제에 대해 실증적으로 검토하고, 가장 널리 사용되는 앙상블 방법들과 비교 분석한다.