有限設定におけるPAC学習のサンプル複雑性の決定可能性【JST・京大機械翻訳】

Gandolfi Alberto

プレプリント

J-GLOBAL ID：202202206274424062 整理番号：22P0116404

有限設定におけるPAC学習のサンプル複雑性の決定可能性【JST・京大機械翻訳】

Decidability of Sample Complexity of PAC Learning in finite setting

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (1件)：
資料名：
発行年： 2020年02月26日プレプリントサーバーでの情報更新日： 2020年02月26日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

この短いノートでは,最大(EMX)の学習を含む様々な概念のPAC機械学習のサンプル複雑性が,モデルと考えられる確率測度のサポートがアプリオリ限界を満たすとき,正確に決定できることを観測した。この結果は,有限支持確率(先験的結合なし)に対して,ZFC内のEMXの最近発見された不可解性と対照的である。残念なことに,決定手続きは,現在,サポートサイズに均一に結合した点数において,少なくとも二重指数である。【JST・京大機械翻訳】

, , , ,
, 【Automatic Indexing@JST】

人工知能

, , ,

前のページに戻る