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。
著者らは,Agarwal et al.(2020)によって導入された計算可能なPAC(CPAC)学習を研究した。最初に,適切で不適切なCPAC学習の特性評価を見つける主な未解決問題を考察した。強CPAC学習の密接に関連する概念の特徴付けを行い,全ての決定可能なVCクラスが不適当にCPAC学習可能かどうかにかかわらず,Agarwalら(2011)がもたらすCOLT開放問題に対する負の回答を提供した。第2に,著者らは(計算可能)PAC学習可能性の可解性を考察した。そのような可解性を示す簡単な一般的議論を与え,学習可能性の算術複雑性の研究を開始した。著者らは,Agarwalらの仕事を動機づけたBen-David et al.(2019)の不可解性結果との関係を簡潔に論じた。【JST・京大機械翻訳】