Shai Ben-David公司;阿隆·伊泰;埃亚尔·库什利维茨 通过距离学习。 (英语) Zbl 0826.68103号 Inf.计算。 117,第2期,240-250(1995). 摘要:提出了一种基于距离的学习模型。在这个模型中,概念是度量空间中的一个点。在学习过程的每一步,学生都会猜测一个假设,并从老师那里得到一个与目标距离的近似值。距离的概念衡量了假设与正确答案的接近程度,这在许多可学习性模型中很常见。通过关注这一基本方面,我们发现了一些用于分析可学习性任务的通用和简单的工具。作为推论,我们为任何给定分布的Valiant的PAC场景提供了新的学习算法。这些算法可以学习任何PAC-learnable类,在某些情况下,与通常标记的示例相比,这些算法能够满足的信息要少得多。应用新模型获得的洞察力表明,对于任何固定分布,每一类具有有限维的子集({mathcal C})都是PAC可学习的。以前已知的这种性质的结果受到复杂的可测量性约束。 引用于5文件 MSC公司: 68T05型 人工智能中的学习和自适应系统 关键词:计算可学习性;通过距离学习 PDF格式BibTeX公司 XML格式引用 \textit{S.Ben-David}等人,《Inf.Compute》。117,第2号,240-250(1995;Zbl 0826.68103) 全文: 内政部