半空间的高效主动学习：一种积极方法

ICMLAug, 2012

半空间的高效主动学习：一种积极方法

Efficient Active Learning of Halfspaces: an Aggressive Approach

Alon Gonen, Sivan Sabato, Shai Shalev-Shwartz

TL;DR研究池化主动学习半平面问题，重点挖掘了实现的情况下侵略性方法的可行性及其理论保证，证明在合理假设下其具有实用性；理论和实验结果显示此方法比较温和的方法更具优势，可以更好降低标签复杂度，不仅阐述了实现的情况下其近似保证，还说明了相应启发式策略在其他情况下也可以成功使用。

Abstract

We study pool-based active learning of half-spaces. We revisit the aggressive approach for active learning in the realizable case, and sho

pool-based active learning half-spaces aggressive approach label complexity realizable case

发现论文，激发创造

高效稀疏半空间的主动学习

本文提供了一个计算有效的算法，用于解决高维空间中的 PAC 主动学习问题，其中数据遵循某些分布假设，该算法在少量的标记查询下使用稀疏的半空间学习，能够达到 O（t polylog（d，1/ϵ））的标记复杂度。

May, 2018

具有恶意噪声的半空间属性高效学习：近似最优标签复杂度和噪声容错性

研究如何在噪音下进行有效的学习，在保证计算效率的前提下设计了一种主动学习算法，并根据半空间的结构进行加权和风险最小化等方法的技术优化，解决了恶意噪声等问题并且具有良好的属性效率和样本复杂度。

Jun, 2020

重温感知机：半空间高效与标签最优学习

本文提出了一种半空间主动学习算法，能够在存在噪声和尽可能少的标签情况下，有效地学习均匀分布在单位球上的均匀半空间，并证明其在两种噪声情况下均达到了近似最优标签复杂度。

Feb, 2017

高效学习带有噪声的对抗稳健超平面

研究在独立于分布的情况下学习对抗性鲁棒的半空间问题，在可实现的情况下，给出了对抗性扰动集的必要和充分条件，即半空间可以高效地实现鲁棒性学习，并在存在随机标签噪声时提出了一个简单的、计算效率高的算法。

May, 2020

关于局部感知机具有优势的半空间对抗噪声最优学习

本文介绍了一种 Perceptron-like 在线主动学习算法，能够以近乎最优的标签复杂度和样本复杂度下，学习噪声容限在总概率最多为 ν，样本标签误差率 ε 和输入维度 d 给定的 R^d 中同质半空间。该算法的先前版本针对噪声容限存在的情况，不能同时获得标签和样本复杂度多项式级别的优良性能。经过一定的假设前提下，支持 5 罕见的瑕疵。

Dec, 2020

半空间对抗性鲁棒适当学习的复杂性（不知情噪音）

我们研究了在分布无关的对抗性健壮 PAC 模型中半空间的计算复杂度，重点研究了 L_p 扰动。我们提出了一种计算有效的学习算法和一种几乎匹配的计算难度结果。我们发现的一个有趣的含义是，L_∞扰动的情况被证明比 2≤p<∞的情况更加计算上困难。

Jul, 2020

在图中学习单调半空间的高效算法

学习图上的顶点的二元分类器，特别关注具有特定抽象意义的凸分区类作为分类器，通过多项式时间算法和结构洞见，以及与底层图的关联进行学习，进行了有关监督学习、在线学习和主动学习中的凸分区类的研究和结果验证。

May, 2024

具有 Tsybakov 噪声的高效主动学习半空间问题的非凸优化方法

通过设计基于非凸优化的算法，本文研究了具有 Tsybakov 噪声的计算和标签效率 PAC 主动学习上的 d - 维半空间问题，其标签复杂度较先前已知的高效被动或主动算法与该设置下的信息理论下界之间的差距缩小了。

Oct, 2023

使用比较查询进行主动分类

研究一种扩展主动学习的方法，其中学习算法可以要求注释者比较两个示例与其标签类边界的距离，并使用半空间的框架展示这种方法的优越性。

Apr, 2017

学习半空间的复杂性理论限制

该研究讨论了在固定且未知的分布和自然条件下的半空间学习问题，证明了最坏情况下的性能和效率的复杂性。

May, 2015