Teoretyczne informatyka machine-learning

1

Uczenie się agnostyczne nad dowolnymi rozkładami

Niech będzie rozkładem na pary łańcuchów bitów / etykiet { 0 , 1 } d × { 0 , 1 } i niech C będzie zbiorem funkcji o wartościach logicznych f : { 0 , 1 } d → { 0 , 1 } . Dla każdej funkcji f ∈ …

11 reference-request machine-learning lg.learning

3

Prawidłowe uczenie się PAC granice wymiarów VC

Dobrze wiadomo, że w przypadku klasy koncepcyjnej CC\mathcal{C} o wymiarze VC wystarczy uzyskać przykłady oznaczone PAC learn . Nie jest dla mnie jasne, czy algorytm uczenia się PAC (który wykorzystuje tak wiele próbek) jest właściwy, czy niewłaściwy? W podręcznikach Kearnsa i Vazirani oraz Anthony'ego i Biggsa wydaje się, że algorytm …

11 machine-learning boolean-functions lg.learning vc-dimension pac-learning

2

Zasoby wprowadzające dotyczące obliczeniowej teorii uczenia się

Ostatnio czytałem sporo artykułów CoLT. Chociaż nie walczę z poszczególnymi artykułami (przynajmniej nie bardziej niż zwykle walczę z innymi artykułami teoretycznymi), nie czuję, że dobrze rozumiem tę dziedzinę jako całość. Czy istnieje standardowy tekst, ankiety lub notatki z wykładów dotyczące wprowadzania CoLT na poziomie absolwenta? Mam podstawową wiedzę z teorii …

10 reference-request machine-learning lg.learning survey books

3

Zasób / książka najnowszych osiągnięć w statystycznej teorii uczenia się

Znam dobrze teorię VC-Dimension, ale teraz patrzę na ostatnie (ostatnie 10 lat) postępy w statystycznej teorii uczenia się: (lokalne) średnie Rademachera, Lemma klasy skończonej Massarta, Liczby obejmujące, Łańcuchy, Łańcuch Dudleya Twierdzenie, Pseudodimension, Fat Shattering Dimension, Numery pakowania, Skład Rademacher i ewentualnie inne wyniki / narzędzia, których nie jestem świadomy. Czy …

10 reference-request machine-learning lg.learning books vc-dimension

1

Próbkowanie Agnostic PAC w dolnej granicy

Dobrze wiadomo, że do klasycznego uczenia się PAC, przykłady są konieczne, aby osiągnąć granicę błędu whp, gdzie jest wymiarem VC klasy koncepcyjnej.Ω ( d/ ε)Ω(re/ε)\Omega(d/\varepsilon)εε\varepsilonrered Czy wiadomo, że w przypadku agnostyki potrzebne są przykłady ?Ω ( d/ ε2))Ω(re/ε2))\Omega(d/\varepsilon^2)

10 lg.learning machine-learning

1

Które klasyfikatory uczenia maszynowego są najbardziej równoległe?

Które klasyfikatory uczenia maszynowego są najbardziej równoległe? Jeśli miałbyś trudny problem z klasyfikacją, ograniczony czas, ale przyzwoitą sieć LAN komputerów do pracy, z jakimi klasyfikatorami byś spróbował? Z drugiej strony wygląda mi to na kilka standardowych klasyfikatorów, które znam w następujący sposób, ale mogę się całkowicie mylić: Losowe lasy - …

10 lg.learning machine-learning dc.parallel-comp

5

Jakie są dobre referencje na temat zrozumienia uczenia się online?

W szczególności proszę o zasoby, aby dowiedzieć się o systemach uczenia maszynowego, które mogą aktualizować ich odpowiednie sieci przekonań (lub ich odpowiedniki) podczas pracy. Natknąłem się nawet na kilka, ale nie udało mi się ich dodać do zakładek. Jak można sobie wyobrazić, wyszukiwanie w Internecie jest dość trudne.

10 reference-request machine-learning lg.learning ai.artificial-intel online-learning

5

Czy sieci neuronowe można wykorzystać do opracowania algorytmów?

Po coraz większych sukcesach sieci neuronowych w grach planszowych wydaje się, że następnym celem, który wyznaczyliśmy, może być coś bardziej przydatnego niż pokonanie ludzi w Starcraft. Dokładniej, zastanawiałem się, czy Czy sieci neuronowe można przeszkolić do rozwiązywania klasycznych problemów algorytmicznych? Mam na myśli, że na przykład sieć otrzyma wykres wejściowy …

9 cc.complexity-theory ds.algorithms machine-learning ne.neural-evol

2

Teoretyczne wyniki dla losowych lasów?

Losowe lasy mają wśród praktyków reputację jednych z najbardziej skutecznych technik klasyfikacji. Jednak nie spotykamy ich zbyt wiele w literaturze teoretycznej, z której, jak sądzę, brak głębokich wyników teoretycznych. Gdyby ktoś chciał zagłębić się w tę teorię, od czego by to się zaczęło?

9 machine-learning lg.learning

1

Wymiar VC komórek Voronoi w R ^ d?

Załóżmy, że mam punktów w . Indukują one diagram Voronoi. Jeśli przypiszę do każdego z punktów etykietę , wywołają one funkcję binarną na . Pytanie: jaki jest wymiar VC wszystkich takich możliwych funkcji binarnych indukowanych przez niektóre punkty i pewne oznakowanie tych punktów?kkkRdRd\mathbb{R}^dkkk±±\pmRdRd\mathbb{R}^dkkk

9 cg.comp-geom machine-learning lg.learning convex-geometry high-dimensional-geometry

1

Nauka z (podpisanymi) błędami

Background––––––––––––––Background_\underline{\bf Background} W 2005 r. Regev [1] wprowadził problem uczenia się z błędami (LWE), uogólnienie problemu parzystości uczenia się z błędem. Założenie o twardości tego problemu dla niektórych wyborów parametrów leży obecnie u podstaw dowodów bezpieczeństwa dla wielu kryptosystemów post kwantowych w dziedzinie kryptografii opartej na sieci. „Kanoniczne” wersje LWE …

9 cc.complexity-theory ds.algorithms cr.crypto-security machine-learning open-problem

2

Wymiar VC kulek w 3 wymiarach

Szukam wymiaru VC następującego zestawu układów. Wszechświat U={p1,p2,…,pm}U={p1,p2,…,pm}U=\{p_1,p_2,\ldots,p_m\} takie, że U⊆R3U⊆R3U\subseteq \mathbb{R}^3. W ustawionym systemieRR\mathcal{R} każdy zestaw S∈RS∈RS\in \mathcal{R} odpowiada kuli w R3R3\mathbb{R}^3 tak, że zestaw SSS zawiera element w UUU tylko wtedy, gdy zawiera odpowiednią kulę R3R3\mathbb{R}^3. Szczegóły, które już znam. Wymiar VC jest co najmniej 4. Jest tak, …

9 cg.comp-geom machine-learning vc-dimension

2

Czy istnieją rodziny języków formalnych, o których wiadomo, że naprawdę można nauczyć się PAC?

Mam na myśli w szczególności rodziny języków, które dopuszczają dowolnie długie ciągi znaków - a nie koniunkcje na n bitach lub listach decyzyjnych lub jakimkolwiek innym „prostym” języku zawartym w {0,1} ^ n. Pytam o zwykłe języki „teoretyków automatycznych”, a nie teoretyków „logicznych”: coś w rodzaju języków, które można częściowo …

9 automata-theory machine-learning lg.learning

Pytania otagowane jako machine-learning