速度先验的损失边界和时间复杂性
Daniel Filan、Jan Leike、Marcus Hutter
第19届国际人工智能与统计会议记录,PMLR 51:1394-14022016年。
摘要
本文首次建立了速度先验的预测性能及其计算复杂度。速度先验本质上是一种概率分布,它将低概率放在无法有效计算的字符串上。我们提出了原始速度先验的一种变体(Schmidhuber,2002),并表明我们的先验可以预测从多项式时间内可估计的概率测度中提取的序列。我们的速度先验可以在双指数时间内计算,但不能在多项式时间内计算。在多项式时间可计算序列上,我们的速度先验可以在指数时间内计算。我们证明了在相同条件下,施密杜贝尔速度先验具有更好的复杂性;然而,它的预测性问题仍然悬而未决。
引用本文
相关材料