部分神经信息处理系统进展31(NeurIPS 2018)
Omar Rivasplata、Emilio Parrado-Hernandez、John S.Shawe-Tylor、Shiliang Sun、Csaba Szepesvari
已提出PAC-Bayes界限,以根据训练样本进行风险估计。本文将PAC-Bayes方法与Hilbert空间值算法所学习假设的稳定性相结合。PAC-Bayes设置用于以预期输出为中心的高斯先验。因此,本文的一个新颖之处是使用根据数据生成分布定义的先验。我们的主要结果根据假设稳定性系数估计了随机算法的风险。我们还为SVM分类器提供了一个新的界,并将其与其他已知界进行了实验比较。我们的结果似乎是第一个评估为非平凡值的基于稳定性的统一假设界。
在电子程序中更改姓名的请求将被接受,不会提出任何问题。然而,名称更改可能会导致书目跟踪问题。作者被要求仔细考虑这一点,并在要求在电子诉讼中更改姓名之前与合著者进行讨论。
使用“报告问题”链接请求更改名称。