有向非巡回グラフ（DAG）上での二値分類のためのネットワーク化された情報集約

arXiv cs.LG / 2026/5/5

💬 オピニオンModels & Research

共有:

要点

本論文は、各エージェントがデータセットの特徴の一部のみを観測し、予測列を下流へ渡すDAG上での逐次分散二値分類を扱います。
分析の焦点は、この「logit（ロジット）受け渡し」型の学習手順が情報集約を達成できるかどうかであり、具体的には全特徴を使って訓練したロジスティック回帰に対する超過損失をあるエージェントが小さくできるかを問います。
二乗損失下の線形回帰に対する先行研究とは異なり、著者らは二値交差エントロピー（BCE）とロジスティックリンクにおける構造の違いにより保証の拡張が難しいことを示します。
結果として、任意のM連続するエージェントが全特徴を覆うという条件のもと、深さDの経路での超過損失上界 O(M/√D) を得ます。
さらに、超過損失が少なくとも Ω(k/D) となる下界の構成例も示され、ネットワークの深さが情報集約のボトルネックであることを明確化します。