关键词multi-distribution learning
搜索结果 - 5
- 多分布学习的分布相关速率
为了应对敏感机器学习应用中的不确定性建模需求，分布鲁棒优化（DRO）的设置在各种任务中寻求统一的良好性能。最近的多分布学习（MDL）框架以与环境的动态互动的方式解决了这一目标，在该框架中，学习者可以对每个目标分布进行采样访问。借鉴了纯探索多 - 多分布最优学习
多分布学习中的自适应采样算法解决了最坏情况风险最小化问题，并提供了样本复杂度的最优解，同时证明了随机化的必要性。
- 多分布学习的样本复杂度
这篇论文研究多分布学习，给出了一个样本复杂度为 $\widetilde {O}((d+k)\epsilon^{-2}) \cdot (k/\epsilon)^{o (1)}$ 的算法，解决了 COLT 2023 的开放问题。
- 多分布学习中 VC 类的样本复杂度
多分布学习是 PAC 学习在具有多个数据分布的环境中的自然推广，本论文讨论了该问题的最新研究进展以及在统计学习中使用游戏动态的一些基本障碍。
- MM按需抽样：从多个分布中优化学习
该论文研究了多分配学习范式的最优样本复杂度，并给出了符合最优样本复杂度的算法。其中，他们的样本复杂度界限超过了仅学习单个分布的学习的样本复杂度。