抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
計量摂動集合に関して,耐性敵対PAC学習の研究を開始した。敵対的PAC学習において,敵対は,xを中心とする半径rの閉球において任意の点を有する試験点xを置き換えることができる。耐性バージョンにおいて,学習者の誤差を,わずかに大きい摂動半径(1+γ)rに関して,最良の達成可能な誤差と比較した。この単純なt弱点は,理論と実践の間のギャップを埋めるのを助け,実際に普及しているアルゴリズム技術に対する最初のPAC型保証を得る。著者らの最初の結果は,二重次元dを有する摂動集合に対する敵対的学習のための広く使用された「当たりと円滑なアプローチに関心があり,著者らは,これらのアプローチの変種が,O(frac{v(1+1/γ) ̄{O(d)})サンプルによるγ耐性敵対設定において,VC次元vを有する仮説クラスHを,任意の仮説クラスHに,与えることを示した。これは,従来の(非耐性)設定と対照的であり,ここで示すように,摂動および平滑アプローチは,おそらく失敗した。第二の結果は,1つが,診断的設定でもO(d.vlog(1+1/γ)/ε ̄2)サンプルを用いて同じクラスをPAC-学習できることを示した。この結果は新しい圧縮ベースアルゴリズムに基づいており,VC次元と同様に倍加次元に対する線形依存性を達成した。これは,VC次元に多項式に依存する既知のサンプル複雑性上限がない非耐性設定と対照的である。【JST・京大機械翻訳】