IJCAIOct, 2020

线性算术中带噪声数据的隐式学习

PDF
TL;DR本文探讨了如何在 PAC 语义下通过隐式学习的方法处理具有噪声数据的线性算术语言中的阈值不确定性，证明了该框架具有多项式时间复杂度保证，并通过实验结果表明该方法优于显式方法来学习线性规划目标约束。
robust learningpac-semanticsimplicit learninglinear arithmeticlinear programming
发现论文，激发创造
  • 一阶逻辑隐式学习推理

    本文通过利用语言中常量的对称性，将隐式可学习性推广，提出了一种在第一阶逻辑中进行强健学习的新理论方法。

    Jun, 2019

  • 多智体信仰的 PAC 语义学习性

    此文介绍了使用多智能体认知逻辑演示 PAC 学习的技术基础，涉及逻辑和弱推理，以提供强大的模型理论框架来回答查询，并研究了该算法的正确性、样本复杂性以及其能够高效的情况，利用表述定理将模态推理纳入命题推理中。

    Jun, 2023

  • 基于查询的 PAC 学习推理

    本研究探讨了利用支持证明查询的数据集来学习规则的问题，通过修改足够不考虑知识库内容的后向证明搜索算法，可以同时学习这些规则，并使用它们进行证明搜索来给出像链接和解析这样的标准逻辑的算法。

    Jun, 2019

  • 约束下的可能近似正确学习

    本文提出一种基于 PAC 学习框架的约束学习方法，该方法通过对经验风险最小化规则进行约束来解决分类问题中的偏差、不公平和不稳定性等问题，研究表明该方法能够实现约束学习的泛化。

    Jun, 2020

  • 分布式学习，通信复杂度和隐私

    讨论分布式数据的 PAC 学习问题，分析了涉及的基本通信复杂性问题，包括教学维度和错误绑定。针对特定概念类别，如合取、奇偶函数和决策列表等，给出上下界限。讨论了如何通过增强来在分布式环境下进行一般性通信，以及如何在不确定环境下实现低通信回归。同时，还考虑了隐私性，包括差分隐私和分布式隐私。

    Apr, 2012

  • 从平均情况复杂度到不当学习复杂度

    这篇论文介绍了一种新的证明不适当学习难度的技术，基于难以处理的问题的规约，通过与密码假设相结合，发现了学习 $DNF$，半平面和超平面的交集等问题的困难性。

    Nov, 2013

  • 基于 SAT 的描述逻辑概念的 PAC 学习

    提出有界拟合作为一种模式学习的方案，该方案可以在本体存在的情况下学习描述逻辑概念，并且称之为 PAC 学习的通用性具有理论保证。同时，我们提供了一种名为 SPELL 的系统，其基于 SAT 求解器高效实施了有界拟合，并将其表现与最先进的学习者进行了比较。

    May, 2023

  • 从嘈杂例子中归纳学习答案集程序

    本文提出了一种噪声容忍的 ILASP3 系统，并在合成和现实数据集上评估该系统的性能，包括学习从答案集语义中的常识知识以及将其推广到更复杂的数据集、与不同框架的模型进行比较等。

    Aug, 2018

  • 应对噪声的几何概念学习

    我们研究了在部分数据遭到敌对噪声污染的情况下，几何概念类（特别是低次多项式阈值函数（PTF）和半空间的交集）的高效可学习性，并给出了这些概念类的首个多项式时间 PAC 学习算法，具有不依赖于维度的误差保证。

    Jul, 2017

  • 关于可计算连续特征学习的研究

    定义可计算的计算度量空间上二元分类的可计算 PAC 学习，提供解决 ERM 学习器可计算性的充分条件，限制 ERM 学习器的 Weihrauch 度，展示一种假设类，尽管底层类具有 PAC 可学性，但它不允许具有可计算采样函数的任何适当的可计算 PAC 学习器。

    Nov, 2021