尤夫·弗伦德 将弱学习算法提升到大多数。 （英语） Zbl 0833.68109号 Inf.计算。 121，第2期，256-285（1995）。 摘要：我们提出了一种提高二进制概念学习算法准确性的算法。改进是通过结合大量假设来实现的，每个假设都是通过在不同的示例集上训练给定的学习算法来生成的。我们的算法是基于Schapire提出的思想，并代表了对他的结果的改进。我们算法的分析提供了Valiant多项式PAC学习框架中学习所需资源的一般上界，这是目前已知的最佳一般上界。我们表明，由我们的算法组合的假设数量是可能的最小数量。我们分析的其他结果是关于阈值电路的表示能力、可学习性和压缩之间的关系以及PAC学习算法的并行化方法的结果。我们将算法扩展到概念不是二进制的情况，以及学习算法的准确性取决于实例的分布的情况。 引用于105文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 关键词：PAC学习算法 PDF格式BibTeX公司 XML格式引用 \textit｛Y.Freund｝，计算机信息。121，第2号，256--285（1995；Zbl 0833.68109） 全文： 内政部