关键词sample complexity bound
搜索结果 - 6
- 线性距离度量学习
本文提出了一种基于连续凸损失优化的简单优雅方法,用于线性距离度量学习,并针对不同的噪声模型推导了相应的损失函数。研究结果表明,即使数据存在噪声,只要样本充足就可以学习到地面事实线性度量,并提供相应的样本复杂度限制。此外,我们还提出了一种有效 - 论人工智能生成的文本检测的可能性
该文针对如何区分机器生成文本和人类生成文本的问题,提出了基于信息理论的准确度量方法,讨论并设计出更优秀的文本检测器,并给出了样本复杂度的理论上限。
- 输出反馈系统线性二次高斯控制的样本复杂度
该研究在部分观察的线性二次高斯问题中,通过鲁棒综合程序建立了学习稳定开环植物的鲁棒 LQG 控制器的样本复杂度界限。
- 特征排序:算法和图论分析
本文提出了一种新的概率偏好模型 f-BTL,它能更精确地推断带有特征的物品的偏好,在此基础上提出了一个新的最小二乘算法 fBTL-LS,其采样复杂度较低,依赖于物品的特征表述。这项工作展示了排名问题真正的复杂性,并证明了恢复潜在排名所需的样 - 一种适用于具有任意变换奖励和转移的马尔科夫决策过程的滑动窗口算法
提出一种滑动窗口算法,针对变化的马尔可夫决策过程,同时考虑状态转移概率和奖励函数的变化。对于该问题,我们提供了性能保证,并表征了适用于我们算法的最优窗口大小。同时,我们还给出了算法采取的子优步数的样本复杂度界限以及一些实验结果来支持我们的理 - 多角度学习
本文提出了一种新的多视角学习问题,通过匹配实际分布的矩来计算不同视角之间的最优仿射映射,进一步推导出算法的概率解释和样本复杂度界限,并在活动识别任务上进行了大量实验,证明了所提方法提高性能的价值。