learning bounds | BriefGPT - AI 论文速递

关键词learning bounds

搜索结果 - 7

ICLR利用悲观主义充分利用方差信息的线性表示下近似最优离线强化学习
利用线性模型表示形式研究离线强化学习的统计学限制，提出方差感知悲观值迭代算法，重新权重贝尔曼残差以提高离线学习界限。
PDF2 years ago
MM风险敏感学习的学习界限
本文提出了对通过优化确定性等价描述的具有不同风险表示的风险敏感学习方案的概括性质进行研究的方法，提供了针对经验 OCE 最小化器的两个学习边界，并通过神经网络实验演示了所提边界的实际意义。
PDF4 years ago
学习性能基准：从训练数据中确定最佳可达误分类率
本文提出了一个学习如何对最佳分类器的表现进行基准测试的框架，实现了对贝叶斯误分类误差率的准确评估，基于一个包含估计器的集成学习器和切比雪夫逼近进行基准学习，通过实验验证，相较之前的方法精确的评估了贝叶斯误差率。
PDF5 years ago
假设集稳定性与泛化能力
本文提出了关于数据相关假设集合普适性的研究，基于一种转移 Rademacher 复杂度的概念，为数据相关假设集合提供了普适性学习保证。我们的主要结果是一种关于数据相关假设集合的普适性界限，这个界限可以用我们引入的假设集合稳定性和数据相关假设
PDF5 years ago
敌对数据的简化 PAC-Bayesian 界限
本文研究了具有依赖性和重尾观察值的 PAC-Bayesian 学习界限。在这些界限中，Kullack-Leibler 差异被取代了，并使用了 Csiszár 的 f - 差异的一般版本。我们证明了一个通用的 PAC-Bayesian 界限，
PDF8 years ago
NIPS随机特征学习的泛化性能
本研究探讨了统计学习框架下随机特征稀疏化岭回归的泛化性质，结果显示仅需 O（根号 n*log n）个随机特征即可实现 O（1 / 根号 n）的学习界限，优于之前的提法；此外我们证明了一系列快速学习速率及其潜在影响，研究证明了及格自适应分配随
PDF8 years ago
基于广义差异的适应性算法与理论
本文提出了新的域自适应算法，优于以前的差异最小化算法，不像以前的算法那样在训练样本上具有固定的损失权重重新加权，我们的算法有坚实的理论基础和更有利的学习界限，并提供了一种有效的解决其优化问题的方法，实验结果表明该算法优于差异最小化。
PDF10 years ago