{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,8,20]]，“日期-时间”：“2024-08-20T06:31:29Z”，“时间戳”：1724135489294}，“引用-计数”：25，“发布者”：“MDPI AG”，“问题”：“10”，“许可证”：[{“开始”：“日期-零件”：[[2021,10,12]，“日期时间”：”202 1-10-12T00:00:00Z“，”时间戳“：1633996800000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0\/”}]，“内容域”：{“域”：[]，“crossmark-restriction”：false}，“short-container-title”：[“熵”]，“抽象”：“对于具有无界损失函数的学习问题，我们提出了新的PAC-Bayesian推广界。这扩展了PAC-Bayes学习框架的相关性和适用性，其中大多数现有文献关注具有有界损失函数的监督学习问题（通常假设取区间[0；1]中的值）。为了放松这一经典假设，我们建议允许损失范围取决于每个预测值。这种放松被我们的新概念——缺氧依赖性分级（HYPE）所捕捉。基于此，我们导出了一个新的无界损失函数的PAC-Bayesian广义界，并在线性回归问题上对其进行了实例化。为了使我们的理论能够为最大的受众所用，我们讨论了实际计算、实用性和我们假设的局限性<\/jats:p>“，”DOI“：”10.3390\/e23101330“，”type“：”journal-article“，”created“：{”date-parts“：[2021,10,12]，”date-time“：”2021-10-12T12:09:32Z“，”timestamp“：1634040572000}，”page“：，“卷”：“23”，“作者”：[{given“：”Maxime“，”family“：”Haddouche“，”sequence“：”first“，”affiliation“：[{”name“：”ENS Paris-Saclay，91190 Gif-sur-Yvette，France“}]}，{”ORCID“：“http://\/ORCID.org\/00000-0003-1237-7430”，“authenticated-ORCID”：false，“given”：“Benjamin”，“family”：“Guedj”，“sequence”：“additional”，“affiliation:”[{“name”：“伦敦大学学院计算机科学系人工智能中心，英国伦敦WC1V 6LJ“}，{“name”：“Inria，Lille\u2013Nord Europe Research Centre and Inria London Programme，59800 Lille，France”}]}，}“given”：“Omar”，“family”：“Rivasplata”，“sequence”：“additional”，“affiliation”：[{“name:”伦敦大学学院计算机科学系人工智能中心“}]}，{“given”：“John”，“family”：“Shawe-Taylor”，“sequence”：“additional”，“affiliation”：[{“name”：“Centre for Artificial Intelligence，Department of Computer Science，University College London，London WC1V 6LJ，UK”}]}]，“member”：“1968”，“published-online“：{“date-parts”：[[2021,10,12]]}，“reference”：[{“key”：“ref_1”，“doi-asserted-by”：“crossref”、“unstructured”：“Shawe-Taylor，J.，and Williamson，R.C.（1997，January 6\u20139）。Bayes估计器的PAC分析。第十届计算学习理论年会论文集，美国田纳西州纳什维尔”，“doi”：“10.1145\/267460.267466“｝，｛“key”：“ref_2”，“doi断言者”：“crossref”，“非结构化”：“McAllester，D.A.（1998年1月24日\u201326）。一些PAC贝叶斯定理。第十一届计算学习理论年会论文集，美国威斯康星州麦迪逊。”，“doi”：“10.1145\/279943.279989”｝，｛“key”：“ref_3”，“doi断言者”：“crossref”，“非结构化”：“McAllester，D.A.（1999年，2013年1月7日）。PAC-Baysian模型平均。《第十二届计算学习理论年会论文集》，美国加利福尼亚州圣克鲁斯Rivasplata，O.、Kuzborskij，I.、Szepesv\u00e1ri，C.和Shawe-Taylor，J.（2020年1月6日\u201312）。PAC-Bayes分析超出了常规范围。神经信息处理系统进展会议录33：2020年神经信息处理体系年会，在线。“}，{”key“：”ref_6“，”first-page“：”233“，”article-title“：”PAC-Baysian Generalization Error Bounds for Gaussian Process Classification“，”volume“：“3”，”author“：”Seeger“，”year“：”2002“，”journal-title”：“J.Mach.Learn.Res.”}，“key”：“ref_7”，“first-page:”273“作者：“朗福德”，“年份”：“2005年”，“新闻标题”：“J.Mach。学习。研究“}，{“key”：“ref_8”，“unstructured”：“Catoni，O.（2007）。PAC-Bayesian监督分类：统计学习的热力学，数理统计研究所。”}，}，“key“：”ref_9“，”doi-asserted-by“：”crossref“，”unstructure“：”Germain，P.，Lacasse，A.，Laviolette，F.，and Marchand，M.（2009年1月14日\u201318）.PAC-线性分类器的贝叶斯学习。第26届国际机器学习年会论文集，加拿大魁北克省蒙特利尔。“，”DOI“：”10.1145\/1553374.1553419“}，{“key”：”ref_10“，”first page“：”1“，”article-title“：”On the properties of variation approximations of Gibbs posteriors“，”volume“：“17”，”author“：”Alquier“，”year“：”2016“，”journal-title”：“J.Mach.Learn.Res.”}，}“key”：“ref_11”，”unstructured“：”Lee，D.D.，Sugiyama，M.，Luxburg，U.V.，Guyon，I.和Garnett，R.（2016）PAC-贝叶斯理论符合贝叶斯推断。《神经信息处理系统进展29》，Curran Associates，Inc.“}，{“key”：“ref_12”，“doi断言”：“crossref”，“第一页”：“887”，“doi”：“10.1007\\s10994-017-5690-0”，“文章标题”：“敌对数据的更简单PAC贝叶斯边界”，“卷”：“107”，“作者”：“Alquier”，“年份”：“2018”，“期刊标题”：“Mach.Learn”}，{“key”：“ref_13”，“非结构化”：“Wallach，H.、Larochelle，H.，Beygelzimer，A.、d Alch\u00e9-Buc，F.、Fox，E.和Garnett，R.（2019）。PAC-Bayes位于可能较重的尾部。神经信息处理系统进展32，Curran Associates，Inc.“}，{”key“：”ref_14“，”unstructured“：”Kuzborskij，I.，and Szepesv\u00e1ri，C.（2019）。Efron-Stein PAC-Baysian不等式。arXiv.“}”，{“key”：“ref_15”，“doi-asserted-by”：“crossref”，“unstructure”：“Shalaeva，V.、Fakhrizadeh Esfahani，A.、Germain，P.和Petreczky，M.（2020年1月7日，2013年12月）。线性回归的改进PAC-Baysian界。《AAAI 2020年-2014年第三十四届AAAI人工智能会议论文集》，美国纽约州纽约市DOI“：”10.1007\/978-3-642-16108-7“}，{“key”：“ref_17”，“DOI-asserted-by”：“crossref”，“first page”：”4“，“DOI”：“10.1016\/j.tcs.2012.10.013”，“article-title”：“通过依赖于分布的先验约束更紧密的PAC-Bayes”，“volume”：《473》，“author”：“Lever”，“year”：“2013”，“journal-title“：”Theor.Comput.Sci.“}，{”key“：“ref_18”，“非结构化”：“Wallach，H.、Larochelle，H.，Beygelzimer，A.、d Alch\u00e9-Buc，F.、Fox，E.和Garnett，R.（2019年）。PAC-支持意料之外的伯恩斯坦不等式。神经信息处理系统进展32，Curran Associates，Inc.“}，{”key“：”ref_19“，”first page“：“3507”，”article-title“：”PAC-Bayes bounds with data dependent priors“，”volume“：13“，”author“：”Ambroladze“，”year“：”2012“，”journal-title”：“J.Mach.Learn.Res.”}，}“key”：“ref_20”，“doi-asserted-by”：“crossref”，“first-page”：“1148”，“doi”：“10.1214\/11-AIHP454“，“文章标题”：“挑战经验平均值和经验方差：偏差研究”，“卷”：“48”，“作者”：“Catoni”，“年份”：“2012年”，“期刊标题”：《Ann.Inst.H.Poincar\u00e9 Probab》。统计师。“}，{”key“：”ref_21“，”unstructured“：”Catoni，O.，and Giulini，I.（2017）。矩阵、向量和线性最小二乘回归的无量纲PAC-Bayesian界。arXiv.“}”，{“key”：“ref_22”，“首页”：“63”，“文章标题”：“n维球坐标的推导”，“卷”：“67”，“作者”：“Blumenson”，“年份”：“1960”，“新闻标题”：《美国》。数学。周一。“}，{”key“：”ref_23“，”unstructured“：”Winkelbauer，A.（2012）.正态分布的矩和绝对矩.arXiv.“}：“2011”，“journal-title“：”可以。数学。牛市。“}，{”key“：”ref_25“，”unstructured“：”Gauss，C.F.（2011）.Disquisitiones Generales Circa Seriem Infinitam（重印）.Werke，Cambridge University Press.“}]，”container-title“：[”Entropy“]，”original-title“:[]，”language“：”en“，”link“：[{”URL“：”https:\/\/www.mdpi.com\/1099-4300\/23\/10\/1330\/pdf“，”content-type“：”unspecified“，”content-version“：”vor“，”预期应用程序”：“相似性检查”｝]，“存放”：｛“日期部分”：[[2024,7,20]]，“日期-时间”：“2024-07-20T03:44:05Z”，“时间戳”：1721447045000｝，“分数”：1，“资源”：｛“主要”：｛“URL”：“https://www.mdpi.com/1099-4300\/23\/10\/1330”｝｝，“副标题”：[]，“短标题”：[]，“发布”：｛“日期部分”：[[2021,10,12]]｝，“引用次数”：25，“期刊问题”：｛issue“：”10“，”published-online“：{”date-parts“：[2021,10]]}}，”alternative-id“：[”e23101330“]，”URL“：”http://\/dx.doi.org\/10.3390“，”relationship“：{}，“ISSN”：[”1099-4300“]，“ISSN-type”：[{”value“：”1099-4800“，“type”:“electronic”}]，“subject”：“[]，”publish“：{”date-ports““：[2021,10,12]}}”