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。