function classes | BriefGPT

关键词function classes

搜索结果 - 7

稀疏深度神经网络的统计学习
基于经验风险最小化与 l_1 正则化的深度神经网络估计器，我们推导出其在回归和分类（包括多类别）中的过量风险的一般界限，并证明它在各种函数类的整个范围内几乎达到最小值（取对数因子）。
PDF8 months ago
具可实现性和单策略集中性的离线强化学习
本文研究除去 Bellman-completeness 和 all-policy concentrability 强假设是否可以在两个因素上弱化假设，结果证明基于 MDPs 的原始 - 对偶算法可以实现针对单策略可集中性的多项式样本复杂度，
PDF2 years ago
批量强化学习中的风险界和 Rademacher 复杂度
本文探讨了强化学习中的一种 Batch Reinforcement Learning，并对 Bellman 误差进行了估计及最小化的元学习方法，通过对一系列函数类（包括有限类、线性空间、核空间、稀疏线性特征等）进行局部 Rademacher
PDF3 years ago
对具有深度精确依赖的 ReLU 网络的尖锐表示定理
该论文证明了具有 $D$ ReLU 层的神经网络在平方损失下对某类函数的表示结果，证实了深度网络可以更好地表示不太光滑的函数，其主要技术创新是充分利用深层网络可以用少量激活函数产生高振荡函数的事实。
PDF4 years ago
ICML超越 ucb: 具有回归预测器的最优和高效上下文臂算法
本文提出了一种将上下文强化学习转化为在线回归问题的算法；该算法可以在泛型函数类上实现最小化风险，并且与以前的结果相比，它不需要任何分布假设，即使在敌对性上下文的情况下也可以工作。
PDF4 years ago
邻域风险最小化原则的概括界限
本文研究了 vicinal risk minimization (VRM) 的泛化界限，结论表明 vicinity function 的选择对 VRM 的性能有影响，同时提供了控制 vicinity function 的复杂度的条件，这对于
PDF6 years ago
基于可交换输入数据的预测 PAC 可学习性模型
提出了一种新的学习法则，即预测性 PAC 学习，它适用于可交换数据，并使用 de Finetti 定理证明了如果一个具有普遍可分性的函数类在 i.i.d.G 渐进输入下是无偏的，那么在可交换输入下也是无偏的，但样本复杂度略有降低。
PDF14 years ago