基于查询合成的半空间近似最优主动学习（噪声环境下）

AAAIMar, 2016

基于查询合成的半空间近似最优主动学习（噪声环境下）

Near-Optimal Active Learning of Halfspaces via Query Synthesis in the Noisy Setting

Lin Chen, Hamed Hassani, Amin Karbasi

TL;DR该文提出了一种通过查询合成主动学习线性分类器的通用框架，该框架称为维耦合（DC），并证明了该方法对于噪声具有弹性，避免了维度诅咒，并且在查询复杂度方面接近最优算法，具有比现有方法更好的性能。

Abstract

In this paper, we consider the problem of actively learning a linear classifier through query synthesis where the learner can construct artificial queries in order to estimate the true decision boundaries. This problem has recently gained a lot of interest in automated science and adve

active learning linear classifiers dimension coupling query synthesis adversarial reverse engineering

发现论文，激发创造

简单问题的主动学习

我们研究了在主动学习过程中使用区域查询的复杂度与查询数量之间的权衡关系，并通过设计 VC 维度相关的查询方法来有效地学习。对于特定的假设类别，我们展示了更强的结果，包括计算效率和对未知数据集的适应性。

May, 2024

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

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

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

学习高斯半空间问题中随机分类噪声的近最优界

研究使用高斯分布下随机分类噪声学习半空间的问题，证明算法和统计查询下限，在此基本问题中，存在令人惊讶的信息计算差距，给出了正面的结果和近乎匹配的复杂度，并展示了算法的复杂度下界

Jul, 2023

主动覆盖

该文针对主动覆盖问题，借助支持向量估计器等算法在无标签数据集上提出了在少量标签查询即可完成标记所有阳性样本的主动学习方法，并证明该方法在图像数据集等基准测试中取得了相对优于离线方法和基线算法的效果。

Jun, 2021

噪声容忍和差分隐私的统计主动学习算法

提出一种基于统计学习框架的主动学习算法，能够高效地处理随机分类噪声和差分隐私，且可将其转换为能容忍分类噪声的主动学习算法，同时也实现了用指数级别的误差提高标签节约的差分隐私主动学习算法.

Jul, 2013

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