摘要
M.Alekhnovich(阿列克诺维奇)。 更多平均情况与近似复杂性。 2003年,《计算机科学基础》。 诉讼程序。 第44届IEEE年会,第298-307页。 IEEE,2003年。 谷歌学者 数字图书馆 M.Alekhnovich、S.Arora和I.Tourlakis。 向强非逼近性发展导致了lovász-schrijver层次结构。 在第三十七届ACM计算理论研讨会的会议记录中,第294-303页。 ACM,2005年。 谷歌学者 数字图书馆 S.Allen、R.O'Donnell和D.Witmer。 如何反驳随机csp? FOCS,2015年。 谷歌学者 数字图书馆 E.Amaldi和V.Kann。 线性系统中最小化非零变量或未满足关系的逼近性。 理论计算机科学,209(1):237–2601998。 谷歌学者 数字图书馆 E.Amaldi和V.Kann。 线性系统中最小化非零变量或未满足关系的逼近性。 1998年,理论计算机科学。 谷歌学者 数字图书馆 B.Applebaum、B.Barak和A.Wigderson。 不同假设下的公钥加密。 STOC,2010年。 谷歌学者 数字图书馆 B.阿普勒鲍姆、B.巴拉克和D.肖。 基于最坏情况假设的学习下限。 《计算机科学基础》,2008年。 FOCS’08年。 IEEE第49届IEEE年会,第211-220页。 IEEE,2008年。 谷歌学者 数字图书馆 S.Arora、L.Babai、J.Stern和Z.Sweedyk。 格、代码和线性方程组中近似最优的难易程度。 《计算机科学基础》,1993年。 诉讼程序。, 第34届年度研讨会,第724-733页。 IEEE,1993年。 谷歌学者 数字图书馆 J.Aspnes、R.Beigel、M.Furst和S.Rudich。 投票多项式的表达能力。 组合数学,14(2):135–1481994。 谷歌学者 交叉引用 P.Awasthi、M.-F.Balcan和P.Long。 有效学习带噪声线性分离器的定位能力。 在STOC,2014年。 谷歌学者 交叉引用 B.Barak、G.Kindler和D.Steurer。 关于平均情形和广义约束满足的半定松弛的最优性。 ITCS编辑R.D.Kleinberg,第197-214页,2013年。 谷歌学者 数字图书馆 B.巴拉克和A.莫伊特拉。 张量预测、雷达复杂度和随机3异或。 在Arxiv预印本Arxiv:1501.06521 v22015中。 谷歌学者 P.Beame、R.Karp、T.Pitassi和M.Saks。 随机k-cnf公式不可满足性证明的复杂性。 在第三十届ACM计算理论研讨会的会议记录中,第561-571页。 ACM,1998年。 谷歌学者 数字图书馆 P.Beame和T.Pitassi。 简化并改进了分辨率下限。 《计算机科学基础》,1996年。 诉讼程序。, 第37届年度研讨会,第274–282页。 IEEE,1996年。 谷歌学者 数字图书馆 R.Beigel、N.Reingold和D.Spielman。 感知器反击。 《复杂性理论会议的结构》,1991年,第六届年会论文集,第286-291页。 电气与电子工程师协会。 谷歌学者 S.Ben-David、N.Eiron和P.Long。 关于协议近似最大化的困难。 在JCSS,2003年。 谷歌学者 数字图书馆 S.Ben-David、D.Loker、N.Srebro和K.Sridharan。 使用替代凸损失最小化误分类率。 ICML,2012年。 谷歌学者 E.本·萨森。 证明复杂性的扩展。 在希伯来大学。 Citeser,2001年。 谷歌学者 E.Ben-Sasson和A.Wigderson。 简短的证明是狭义的,一种简化的a’Tresolution。 在第三十一届ACM计算机理论年会的会议记录中,第517-526页。 ACM,1999年。 谷歌学者 数字图书馆 E.Blais、R.O'Donnell和K.Wimmer。 任意乘积分布下的多项式回归。 在COLT,2008年。 谷歌学者 A.Blum、M.Furst、J.Jackson、M.Kearns、Y.Mansour和S.Rudich。 弱学习dnf和利用傅里叶分析表征统计查询学习。 第二十六届ACM计算理论研讨会论文集,第253-262页。 ACM,1994年。 谷歌学者 数字图书馆 A.Blum、A.Kalai和H.Wasserman。 容错学习、奇偶问题和统计查询模型。 美国医学会杂志(JACM),50(4):506–5192003。 谷歌学者 数字图书馆 N.Bshouty和L.Burroughs。 最大化协议和合作学习。 2006年,《理论计算机科学》。 谷歌学者 数字图书馆 J.Buresh-Openheim、N.Galesi、S.Hoory、A.Magen和T.Pitassi。 切割平面程序的秩界和完整性缺口。 2003年,《计算机科学基础》。 诉讼程序。 第44届IEEE年会,第318-327页。 IEEE,2003年。 谷歌学者 数字图书馆 A.Coja-Oghlan、C.Cooper和A.Frieze。 一个有效的稀疏正则性概念。 SIAM离散数学杂志,23(4):2000–20342010。 谷歌学者 交叉引用 A.Coja-Oghlan、A.Goerdt和A.Lanka。 随机k-sat的强反驳启发式。在逼近、随机化和组合优化中。 算法和技术,第310-321页。 斯普林格,2004年。 谷歌学者 C.Cortes和V.Vapnik。 支持向量网络。 机器学习,20(3):273–2971995年9月。 谷歌学者 数字图书馆 N.克里斯蒂亚尼尼和J.肖-泰勒。 支持向量机简介。 剑桥大学出版社,2000年。 谷歌学者 数字图书馆 N.克里斯蒂亚尼尼和J.肖-泰勒。 模式分析的核心方法。 剑桥大学出版社,2004年。 谷歌学者 数字图书馆 A.丹尼尔。 不可知论学习半空间的pta。 COLT,2015年。 谷歌学者 A.Daniely、N.Linial和S.Shalev-Shwartz。 在稀疏向量上学习半空间时,更多数据可以加快训练时间。 NIPS,2013年。 谷歌学者 A.Daniely、N.Linial和S.Shalev-Shwartz。 使用广义线性方法学习半空间的复杂性。 COLT,2014年。 谷歌学者 A.Daniely、N.Linial和S.Shalev-Shwartz。 从平均案例复杂性到不当学习复杂性。 STOC,2014年。 谷歌学者 数字图书馆 A.Daniely和S.Shalev Shwartz。 复杂性理论对学习dnf的限制。 在Arxiv预印本Arxiv:1404.3378 v12014中。 谷歌学者 M.Davis、G.Logemann和D.Loveland。 用于理论证明的机器程序。 ACM通讯,5(7):394–3971962。 谷歌学者 数字图书馆 U.菲戈。 平均案例复杂度和近似复杂度之间的关系。 第三十届ACM计算机理论研讨会论文集,第534-543页。 ACM,2002年。 谷歌学者 数字图书馆 U.Feige和E.Ofek。 大型随机3cnf公式的容易反驳的子公式。 在Automata中,语言和编程,第519-530页。 斯普林格,2004年。 谷歌学者 V.Feldman、P.Gopalan、S.Khot和A.Ponnuswami。 学习有噪奇偶校验和半空间的新结果。 2006年第47届IEEE计算机科学基础年会论文集。 谷歌学者 数字图书馆 V.Feldman、W.Perkins和S.Vempala。 关于随机可满足问题的复杂性。 STOC,2015年。 谷歌学者 数字图书馆 Y.Freund和R.Schapire。 在线学习的决策理论推广及其在助推中的应用。 在EUROCOLT中,第23-37页。 Springer-Verlag,1995年。 谷歌学者 数字图书馆 V.Guruswami和P.Raghavendra。 带噪声学习半空间的困难。 《第47届计算机科学基础会议论文集》(FOCS),2006年。 谷歌学者 数字图书馆 A.哈肯。 难以解决的问题。 理论计算机科学,39:297-3081985。 谷歌学者 交叉引用 J.H˚astad公司。 一些最佳不可接近性结果。 美国医学会杂志(JACM),48(4):798–8592001。 谷歌学者 数字图书馆 A.Kalai、A.Klivans、Y.Mansour和R.Servedio。 不可知地学习半空间。 2005年,《第46届计算机科学基础会议论文集》。 谷歌学者 数字图书馆 A.T.Kalai、A.R.Klivans、Y.Mansour和R.A.Servedio。 不可知地学习半空间。 SIAM计算机杂志,37(6):1777–18052008。 谷歌学者 数字图书馆 R.M.卡普。 组合问题之间的可还原性。 R.E.Miller和J.W.Thatcher主编,《计算机计算的复杂性》,第85-103页。 Plenum出版社,1972年。 谷歌学者 M.卡恩斯。 从统计查询中进行高效的噪声容忍学习。 STOC,第392-401页,1993年。 谷歌学者 数字图书馆 M.Kearns和M.Li.在恶意错误中学习。 SIAM计算机杂志,22(4):807–8371993年8月。 谷歌学者 数字图书馆 M.Kearns和L.G.Valiant。 学习布尔公式和有限自动机的密码限制。 在STOC中,第433-444页,1989年5月。 谷歌学者 数字图书馆 A.Klivan和P.Kothari。在高斯空间中嵌入困难的学习问题。 2014年,随机。 谷歌学者 A.R.Klivans和A.A.Shertov。 学习半空间交集的密码学难度。 FOCS,2006年。 谷歌学者 数字图书馆 N.Linial和Z.Luria.Chernoff不等式——一个非常基本的证明。 Arxiv预印本Arxiv:1403.7739 v2014。 谷歌学者 P.Long和R.Servedio。 学习带有更多恶意噪声的大边缘半空间。 NIPS,2011年。 谷歌学者 L.Pitt和L.Valiant。 从示例中学习的计算限制。 计算机协会杂志,35(4):965–9841988年10月。 谷歌学者 数字图书馆 F.罗森布拉特。 感知器:大脑中信息存储和组织的概率模型。 《心理评论》,65:386–4071958年。 (转载于《神经计算》(麻省理工学院出版社,1988年)。)。 谷歌学者 数字图书馆 F.罗森布拉特。 神经动力学原理。 斯巴达,纽约,1962年。 谷歌学者 R.夏皮雷。 弱可学性的力量。 在FOCS中,第28-33页,1989年10月。 谷歌学者 数字图书馆 R.E.Schapire和Y.Freund。 推进:基础和算法。 麻省理工学院出版社,2012年。 谷歌学者 交叉引用 G.斯科内贝克。 某些k-csp的线性水平lasserr下限。 《计算机科学基础》,2008年。 聚焦2008。 IEEE第49届IEEE年会,第593-602页。 IEEE,2008年。 谷歌学者 数字图书馆 B.Schölkopf和A.J.Smola。 使用内核学习:支持向量机、正则化、优化及其他。 麻省理工学院出版社,2002年。 谷歌学者 数字图书馆 V.N.Vapnik。 统计学习理论。 威利,1998年。 谷歌学者 数字图书馆
建议
从平均案例复杂性到不当学习复杂性 STOC’14:第四十六届ACM计算理论年会论文集 计算学习理论的PAC模型的基本问题是确定哪些假设类是可以有效学习的。 目前缺乏显示学习困难的结果。 此外,现有的下限。。。 使用半空间学习DNF的困难 STOC 2021:第53届ACM SIGACT计算理论年会论文集 学习的问题 t吨 -术语DNF公式(用于 t吨 = O(运行) (1) )自Valiant(STOC 1984)引入以来,已在PAC模型中进行了广泛研究。 A类 t吨 -使用 t吨 -术语DNF仅当 t吨 =1,即当它是AND时。。。 关于奇偶、单项式和半空间的不可知学习 我们研究了[D.Haussler, 通知。 和计算。 ,100(1992),第78-150页]和[M.Kearns、R.Schapire和L.Sellie, 机器学习 ,17(1994),第115-141页]。 我们。。。