BriefGPT.xyz
Feb, 2019
VC类可对抗性强鲁棒可学习，但只是不规则的
VC Classes are Adversarially Robustly Learnable, but Only Improperly
HTML
PDF
Omar Montasser, Steve Hanneke, Nathan Srebro
TL;DR
研究学习对抗性强预测器的问题，表明任何具有有限 VC 维度的假设类都可以通过不正确的学习规则进行强健的 PAC 学习，而不正确的学习规则是必要的，因为我们展示了具有有限 VC 维度的假设类的例子，不能通过任何正确的学习规则进行强健的 PAC 学习。
Abstract
We study the question of learning an adversarially robust predictor. We show that any
hypothesis class
$\mathcal{H}$ with finite
vc dimension
is robustly PAC learnable with an
→