关键词algorithmic information theory
搜索结果 - 5
- 算法信息论与机器学习的桥梁:一种新的核学习方法
通过采用 AIT(算法信息论)在从数据中学习核函数的问题上的角度,我们探索了机器学习(ML)和算法信息论(AIT)之间的接口,特别是通过考察最小描述长度(MDL)和机器学习中的正则化(RML)之间的差异和共同点,证明了稀疏核流方法是自然的方 - 一种算法化的应对 “涌现” 的方法
本研究提出了一种基于算法信息论的客观框架来量化并客观描述新兴性概念,并通过应用于动力系统和热力学的实例来验证定义的有效性。
- 智能的度量
该研究介绍了智能系统自识别反馈信号的必要性,提出了基于算法信息理论的智能定义,阐明了人工智能基准测试的重要性,介绍了一个使用人类内在先验近似设计的基准测试集 ——ARC,用于度量具有高通用流体智能的人工智能系统与人类的综合智能的比较。
- 不良通用先验和最优性概念
讨论了算法信息论中普适图灵机的选择对于 AIXI 的影响,研究结果表明,没有普遍不变定理。各种不幸或者对抗性的选择 UTM 的情况都会极大地干扰 AIXI 的行为,这意味着 AIXI 是一种相对论,完全取决于 UTM 的选择。
- 监督学习中的无免费午餐和奥卡姆剃刀原则
应用算法信息理论证明普适偏好是成功算法的关键,提出以索洛蒙诺夫归纳为灵感的新离线分类算法,证明随机选择训练数据可有效降低误分类率。