2009年第22届COLT:加拿大魁北克省蒙特利尔
-
COLT 2009-第22届学习理论会议,加拿大魁北克省蒙特利尔,2009年6月18-21日。 2009
算法I
亚当·托曼·卡莱 , 拉维·萨斯特里 :
同位素算法:高维同位素回归。 Nader H.Bshouty公司 , 菲利普·M·龙 :
当隐藏变量具有多样性效果时,线性分类器几乎是最优的。 伊莎·曼苏尔 , 梅赫亚尔·莫赫里 , 阿夫申·罗斯塔米扎德 :
领域适应:学习边界和算法。 Nader H.Bshouty公司 :
弹簧秤硬币称重问题的优化算法。
在线学习I
埃亚尔·埃文·达尔 , 罗伯特·克莱伯格 , 希·曼诺 , 伊莎·曼苏尔 :
全球成本职能的在线学习。 易松岳 , 约瑟夫·布罗德 , 罗伯特·克莱伯格 , 托尔斯滕·约阿希姆斯 :
K型武装决斗强盗问题。 加博尔·卢戈西 , 奥米洛斯·帕帕斯皮利奥普洛斯 , 吉尔斯·斯托尔茨 :
具有硬约束的在线多任务学习。
稀疏性和算法
卡里姆·路尼西 , 马西米利亚诺·蓬蒂尔 , 亚历山大·谢巴科夫 , 萨拉·范德格尔 :
在多任务学习中利用稀疏性。 阿纳克·S·达拉扬 , 亚历山大·谢巴科夫 :
通过聚合和Langevin Monte-Carlo进行稀疏回归学习。 西万·萨巴托 , 纳夫塔利·蒂什比 :
具有任意依赖性的同构多实例学习。 丹尼尔·J·徐 , 沙姆·M·卡卡德 , 张彤(音译) :
学习隐马尔可夫模型的谱算法。
泛化I
算法II
尼科尔·塞萨·比安奇 , 克劳迪奥·詹蒂莱 , 法比奥·维塔莱 :
基于标记树的快速优化预测。 马克·赫伯斯特 , 拉线杆 :
通过最小$p$-半范数插值预测图的标号。 玛丽亚·福丽娜·巴尔坎 , 马克·布拉弗曼 :
查找低错误聚类。 沙伊·沙列夫·施瓦茨 , 奥哈德·沙米尔 , 内森·斯雷布罗 , 卡西克·斯里德哈兰 :
随机凸优化。
维度与优化
Samory Kpotufe公司 :
使用基于树的回归函数摆脱维度的诅咒。 哈里哈兰·纳拉亚南 , 帕塔·尼约吉 :
关于学习流形上光滑割的样本复杂性。 汉斯·乌里希·西蒙 , 尼古拉斯名单 :
SVM-优化和Steepest-Destic Line搜索。
强盗
Jean-Yves奥迪伯特 , 塞巴斯蒂安·布贝克 :
敌方和随机匪徒的最低限度政策。 H.Brendan McMahan先生 , 马修·斯特里特 :
专家建议,为多武器匪徒设定更严格的界限。 尼科尔·塞萨·比安奇 , 加博尔·卢戈西 :
组合匪徒。 雅各布·D·阿伯内西 , 亚历山大·拉赫林 :
以高概率击败适应性土匪。 雅各布·D·阿伯内西 , 阿列克·阿加瓦尔 , 彼得·L·巴特利特 , 亚历山大·拉赫林 :
通过极小极大对偶性的最优后悔的随机观点。
复杂性I
杰弗里·杰克逊 , 卡尔·威默 :
随机行走学习的新结果。 维塔利·费尔德曼 :
进化的稳健性。 小林先生 , 小原阿由美 :
通过有限数量的例子进行教学的复杂性。 路易斯·拉德马赫 , 纳文·戈亚尔 :
学习凸体很难。
噪声
亚当·托曼·卡莱 , 瓦伦·卡纳德 , 伊莎·曼苏尔 :
可靠的不确定性学习。 谢本·达维德 , 达维德·帕尔 , 沙伊·沙列夫·施瓦茨 :
不可知在线学习。 亚历山德罗·拉扎里奇 , 雷米·穆诺斯 :
混合随机对抗在线学习。
主动学习和稳定性
人佛里德曼 :
针对平滑问题的主动学习。 史蒂夫·汉内克 :
主动学习中的自适应收敛速度。 沙伊·沙列夫·施瓦茨 , 奥哈德·沙米尔 , 内森·斯雷布罗 , 卡西克·斯里德哈兰 :
一般学习环境中的可学习性和稳定性。 及谈判代表迪克尔 , 奥哈德·沙米尔 :
Vox Populi:从人群中收集高质量标签。
泛化II
英戈·斯坦瓦特 , Don R.Hush先生 , 克林特Scovel :
正则最小二乘回归的最优速率。 洛伦佐·罗萨斯科 , 米哈伊尔·贝尔金 , 埃内斯托·德维托 :
关于积分算子学习的注记。 英一鸣 , 科林·坎贝尔 :
学习核心问题的泛化边界。
未决问题
雅各布·D·阿伯内西 , 亚历山大·拉赫林 :
在线多类预测中sqrt(T)回归的有效Bandit算法?。 玛丽亚·福丽娜·巴尔坎 :
稀疏切割聚类的更好保证。 雅各布·D·阿伯内西 , 曼弗雷德·K·沃穆特 :
Minimax游戏与强盗。 沙伊·沙列夫·施瓦茨 , 奥哈德·沙米尔 , 卡西克·斯里德哈兰 :
不当学习大利润半空间的复杂性。