托尔斯滕·多利瓦;范高健;汉斯·乌尔里希·西蒙;桑德拉·齐勒斯 递归教学维、VC维和样本压缩。 （英语） Zbl 1318.68139号 J.马赫。学习。物件。 15, 3107-3131 (2014). 小结：本文讨论了可以从一小组示例中学习到的类的各种组合参数。我们表明，Zilles等人（2008）最近引入的递归教学维度与机器学习中已知的复杂性概念密切相关，例如，自我定向学习复杂性和VC-维度。据我们所知，这些是揭示教学与查询学习以及教学与VC-维度之间关系的第一个结果。结果表明，对于许多自然类，RTD由VCD上界，例如VC-维数1类、交闭类和有限最大类。然而，我们还将表明，对于某些（但很少）类，递归教学维度超过了VC-维度。此外，对于最大类，RTD诱导的组合结构（称为教学计划）与样本压缩方案的结构非常相似。事实上，一个人可以改变任何无重复教学计划将最大类\（\mathcal{C}\）转换为未标记样本压缩方案对于（mathcal{C}），反之亦然，后者是由（i）Rubinstein和Rubinsteen（2012）的角剥离算法和（ii）Kuzmin和Warmuth（2007）的尾部匹配算法产生的。 引用于11文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 关键词：递归教学维;组合参数;VC维;上限;压缩方案;尾部匹配算法 PDF格式BibTeX公司 XML格式引用 \textit{T.Doliwa}等人，J.Mach。学习。第15号决议，3107--3131（2014年；Zbl 1318.68139） 全文： 链接