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