#PAC学习

共 6 条 · 7 天 0 条 · 30 天 0 条

信息流里打上「PAC学习」标签的资讯、产品与论文，按刊登时间排，新的在上。

8月7日

这篇论文把单调对抗者模型的误差速率定性了：d=1是Θ(1/n)，d≥2多一个log因子，证明很直接。

arXiv cs.LG@Anay Mehrotra原文

7月28日

你想知道从多个供应商凑数据学分布有多难吗？这篇论文给出了从线性到二次的完整样本复杂度图谱，还找到了层次可比性这个好用的结构条件。

arXiv cs.LG@Jon Kleinberg 等 4 人原文

7月8日

这篇论文给量子机器学习找了个硬核任务：预测多体系统时间演化，量子算法能学，经典学不了，除非BQP进P/poly。理论结果很扎实。

arXiv cs.LG@Rahul Bandyopadhyay 等 5 人原文

6月30日

论文精选11:47

论文把PAC学习理论用到符号回归上，证明了组合函数树的样本复杂度不会随深度爆炸，还给了可跑的代码。

arXiv cs.LG@Şuayp Talha Kocabay 等 3 人原文

6月29日

论文精选10:15

这篇论文搞清楚了只给正样本时proper学习到底能学啥，发现了VC维不够用，还新造了个叫“均匀外部可分离性”的条件，搞理论的人值得看。

arXiv cs.LG@Shai Ben-David 等 4 人原文

5月14日

论文精选13:26

这篇论文澄清了机器学习理论中一个长期被误解的基础问题——Valiant 原始模型与 PAC 学习的区别，做学习理论或计算复杂度研究的学者值得一读，尤其是对成员查询能力感兴趣的人。

arXiv cs.LG@Steve Hanneke 等 4 人原文