excess risk | BriefGPT - AI 论文速递

关键词excess risk

搜索结果 - 30

基于统一 PAC-Bayesian-Rademacher-Shtarkov-MDL 复杂度的紧致过量风险界
提出了一种新的学习理论复杂性概念，它在经验风险最小化和贝叶斯估计器的情况下分别以数据无关的 Rademacher 复杂度和数据相关的信息复杂度进行上限绑定，并通过 Rademacher 复杂度将其与 $L_2 (P)$ 熵进行关联。该研究进
PDF7 years ago
超定位霍克斯过程的益处
研究了超越时间点过程作为一类重要的模型，其中最小二乘估计的性质得到研究。证明了霍克斯过程的叠加在某些条件下有益于紧缩过剩风险的上界，并且在典型情况下显示了受益的可行性。证明了超叠加霍克斯过程对合成数据的有用性，并展示了其在解决推荐系统冷启动
PDF7 years ago
鲁棒梯度下降的高效学习
提出了一种构建稳健风险梯度逼近的算法，在实验中证明可以有效地提高广义学习效率并使用更少的资源，而不会过度依赖于数据。
PDF7 years ago
局部近邻分类及其在半监督学习中的应用
研究使用局部 -$k$- 最近邻分类器的全局超额风险的渐近展开式，通过此理论发现半监督学习问题中的局部选择 $k$ 能够实现额外风险的收敛速率，同时通过模拟研究验证了该理论。
PDF7 years ago
NIPS通过变换函数进行假设迁移学习
本文提出了用于假设转移学习（HTL）的一种基于算法的新型框架，通过变换函数对源域和目标域之间的关系进行表征及风险分析，首次证明了，如果两个域之间存在关系，则 HTL 对于 Kernel Smoothing 和 Kernel Ridge Re
PDF8 years ago
PCA 重构误差的非渐近上界
文章研究 PCA 的重构误差，并证明了相关超额风险的非渐进上界。这些界限统一并改进了文献中的现有上界。特别地，它们在较小的特征值条件下提供了 oracle 不等式。这些界限揭示了超额风险与基于标准角度的子空间距离有明显差异。我们的方法基于经
PDF8 years ago
使用随机初始化学习半空间和神经网络
研究非凸经验风险最小化法，通过多次随机初始化加优化步骤实现学习半空间和神经网络，并证明了学习数据以大于零的常数保持可分的神经网络的可学习性质，以及数据标签随机翻转的情况下的学习结果。
PDF9 years ago
NIPS从随机混合到快速速率
本文讨论了经验风险最小化在统计学习和非统计预测模型中的快速收敛特性，其中针对后者提出了随机混合性概念，并证明了快速收敛条件可以建立在该概念上。
PDF10 years ago
最优加权最近邻分类器
本文通过渐近分析导出了带权最近邻分类器超额风险（遗憾）的渐近展开式，并找到了非负权重的渐近最优向量，表明该分类器的遗憾与未加权的 k - 最近邻分类器相比，仅与特征向量的维度有关。同时，在更大的维度上，权重最优。最后，我们还证明，当允许使用
PDF13 years ago
经验 Bernstein 界和样本方差惩罚
该文给出了改进的经验 Bernstein 界限，在样本数量 n 的多项式增长函数类上均匀成立，并推广到基于数据相关和方差敏感性的置信界限。该界限让我们考虑样本方差惩罚，一种考虑损失函数经验方差的新的学习方法，给出了该样本方差惩罚方法有效的条
PDF15 years ago