迈克尔·卡恩斯。;罗伯特·夏皮雷（Robert E.Schapire）。 概率概念的高效无分布学习。 （英语） Zbl 0822.68093号 J.计算。系统。科学。 48，第3期，464-497（1994）. 摘要：我们研究了一种新的机器学习形式模型，在该模型中，要学习的概念（布尔函数）可能表现出不确定或概率行为，因此，同一输入有时可能被归类为正面示例，有时被归类为负面示例。这种概率概念（或\（p）-概念）可能出现在天气预测等情况下，其中测量的变量及其准确性不足以确定结果。我们从Valiant学习模型中采纳了学习算法高效和通用的要求，因为它们在广泛的一类\（p\）概念和域上的任何分布中都表现良好。除了给出了许多有效的学习（p）-概念自然类的算法外，我们还详细研究和发展了学习（p-概念）的基本理论。 引用于1审查引用于49文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 关键词：机器学习;概率概念 PDF格式BibTeX公司 XML格式引用 \textit{M.J.卡恩斯}和\textit{R.E.夏皮雷}，J.计算机。系统。科学。48，第3号，464--497（1994；Zbl 0822.68093） 全文： 内政部 参考文献： [1] Abe，N。；Takeuchi，J。；Warmuth，M.K.，关于Kullback-Liebler发散的概率概念的多项式可学习性，（第四届计算学习理论年度研讨会论文集（1991）），277-2898年8月 [2] Aiello，W。；Mihail，M.，学习概率列表和树的傅里叶谱，（第二届ACM-SIAM离散算法年会论文集（1991）），1月·Zbl 0800.68688号 [3] 安格鲁因，D。；Laird，P.，从吵闹的例子中学习，马赫。《学习》，第2期，第4期，343-370（1988年） [4] 安格鲁因，D。；Valiant，L.G.，《哈密顿电路和匹配的快速概率算法》，J.Compute。《系统科学》，第18卷，第2期，第155-193页（1979年）·Zbl 0437.05040号 [5] Blumer，A。；埃伦菲赫特，A。；Haussler，D。；Warmuth，M.K.，Occam剃刀，Inform。过程。莱特。，第6377-380号第24页（1987年）·Zbl 0653.68084号 [6] Blumer，A。；埃伦菲赫特，A。；Haussler，D。；Warmuth，M.K.，《可学习性和Vapnik-Chervonenkis维度》，J.Assoc.Compute。数学。，36，第4期，929-965（1989）·Zbl 0697.68079号 [7] 科尔曼，T.H。；Leiserson，C.E。；Rivest，R.L.，《算法导论》（1990），麻省理工学院出版社：马萨诸塞州坎布里奇·兹比尔1158.68538 [8] Dobson，A.J.，《广义线性模型导论》（1990），查普曼和霍尔：查普曼&霍尔剑桥，马萨诸塞州·Zbl 0727.62074号 [9] 杜达，R.O。；Hart，P.E.，模式分类和场景分析（1973），威利：威利伦敦·Zbl 0277.68056号 [10] Dudley，R.M.，经验测度的中心极限定理，Ann.Probab。，6，第6号，899-929（1978）·兹比尔0404.60016 [11] Haussler，D.，《PAC模型的推广：基于度量维的一致收敛结果的样本大小界限》，（第30届计算机科学基础年度研讨会（1989）），40-4510月·Zbl 0747.68045号 [12] Haussler，D.，用于神经网络和其他学习应用的PAC模型的决策理论推广，Inform。和计算。，100, 78-150 (1992) ·Zbl 0762.68050号 [13] Haussler，D。；卡恩斯，M。；利特斯通，N。；Warmuth，M.K.，多项式可学习性模型的等价性，Inform。和计算。，95，第2期，129-161页（1991年）·Zbl 0743.68115号 [14] Hoeffing，W.，有界随机变量和的概率不等式，J.Amer。统计师。协会，58，No.301，13-30（1963）·Zbl 0127.10602号 [15] 坎德尔，A.，模式识别中的模糊技术（1982），威利：威利纽约·Zbl 0552.68067号 [16] Kearns，M.，《机器学习的计算复杂性》（1990年），麻省理工学院出版社：麻省理学院出版社纽约 [17] 卡恩斯，M。；Li，M.，《恶意错误下的学习》，（第二十届ACM计算机理论研讨会论文集（1988）），267-280,5月 [18] 卡恩斯，M。；Valiant，L.G.，学习布尔公式和有限自动机的密码限制，（第二十一届ACM计算理论年会论文集（1989）），433-4445年5月 [19] M.J.卡恩斯。；夏皮雷，R.E。；Sellie，L.M.，《走向有效的不可知论学习》（Proceedings，Fifth Annual Workshop on Computational learning Theory，1992），7月·兹比尔0938.68797 [20] Linial，N。；Mansour，Y。；Rivest，R.L.，《可学习性和Vapnik-Chervonenkis维度的结果》（第29届计算机科学基础年度研讨会（1988年）），10月120-129日 [21] 利特斯通，N。；Warmuth，M.，《相关数据压缩和可学习性》（1987），未出版手稿，11月 [22] Mansour，Y.，《通过傅里叶变换学习》（1990），未出版手稿，4月 [23] 皮特·L。；Valiant，L.G.，《从示例中学习的计算限制》，J.Assoc.Compute。机器。，35，第4期，965-984（1988）·Zbl 0662.68086号 [24] Pollard，D.，《随机过程的收敛性》（1984），Springer-Verlag:Springer-Verlag Cambridge，MA·Zbl 0544.60045号 [25] Rivest，R.L.，学习决策列表，马赫。学习，2，第3期，229-246（1987） [26] （研究报告IIAS-RR-91-22E，国际社会信息科学高级研究所（1991），富士通实验室有限公司） [27] Sloan，R.H.，概念学习数据中的噪声类型，（1988年计算学习理论研讨会论文集（1988年）），91-96，8月 [28] Valiant，L.G.，《可学习理论》，ACM委员会，第27期，第11期，1134-1142（1984）·Zbl 0587.68077号 [29] Vapnik，V.N.，基于经验数据的依赖性估计（1982），Springer-Verlag·Zbl 0499.62005号 [30] Vapnik，V.N。；A.Ya.Chervonenkis。，关于事件相对频率与其概率的一致收敛，理论概率。申请。，16，第2期，264-280（1971）·Zbl 0247.60005号 [31] White，H.，《人工神经网络学习：统计视角》，《神经计算》。，1，第4号，425-464（1989） [32] Yamanishi，K.，随机规则的学习标准，马赫数。《学习》，第9期，第2-3期，第165-203页（1992年）·Zbl 0766.68117号 [33] 扎德，洛杉矶，模糊集，信息。和控制，8，No.3，338-353（1965）·Zbl 0139.24606号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。