AdaBoost.MH版

在线学习的决策理论推广及其在boosting中的应用。在论文的第一部分中,我们动态地考虑了一个问题中最差的一组资源的分配问题。我们所研究的模型可以解释为一个广泛的,抽象的扩展的在线预测模型研究一般的决策理论背景。我们证明了乘性权值更新Littlestone-Warmuth规则可以适用于该模型,在某些情况下会产生稍微较弱的界,但适用于一类相当普遍的学习问题。我们展示了所得到的学习算法是如何应用于各种问题的,包括赌博,多结果预测,重复博弈,以及在$ bfR^n$中预测点数。在论文的第二部分,我们应用乘性权值更新技术来推导一个新的boosting算法。这种boosting算法不需要任何关于弱学习算法性能的先验知识。我们还研究了新boosting算法在学习函数问题上的推广,其范围不是二进制的,而是任意有限集或实线的有界线段。


zbMATH中的参考文献(参考文献478篇,1标准件)

显示478个结果中的21到40个。
按年份排序(引用)
  1. 光俊,光俊;李舒;Mamon,Rogemar:大型可变年金投资组合估值的有效偏差修正套袋法(2020)
  2. 黄汉文;杨青龙:基于边缘分类方法的学习中泛化错误的大规模分析(2020)
  3. 洪英超;米查利迪斯,乔治;PakHai Lok,Horace:定位计算机实验中的无限间断(2020)
  4. 赖元豪;麦克劳德,伊恩:系综分位数分类器(2020)
  5. 拉夫拉契纳达;什克尔吉,布拉ž;罗布尼克-西康贾,马尔科:命题化和嵌入:同一个硬币的两面(2020)
  6. 拉扎罗,马塞利诺;埃雷拉,弗朗西斯科;Figueiras Vidal,Aníbal R.:用于不平衡二元分类的不同成本贝叶斯神经学习者的集合(2020)
  7. 李,太藤;松岛申;Yamanishi,Kenji:使用频繁项集挖掘的组合二元模型嫁接(2020)
  8. 刘、林;穆克吉,拉贾尔希;Robins,James M.:关于机器学习估计的因果参数的名义置信区间覆盖的几乎无假设检验(2020)
  9. Lopes,Miles E.:估计随机群的急剧收敛界(2020)
  10. 陆海浩;Mazumder,Rahul:随机梯度提升机(2020)
  11. Mišić,Velibor V.:树木组合优化(2020年)
  12. 阮,Thi Thanh Sang;Do,Pham Minh Thu:用NaiveBayes训练大型数据集的分类优化(2020)
  13. Ruehle,Fabian:数据科学在弦理论中的应用(2020)
  14. 午睡,安妮克;Van Mechelen,Iven:C443:以树换林的方法论(2020)
  15. 谭志浩;谭鹏;姜元;周志华:多标签最优利润分配机(2020)
  16. 范恩格伦,杰斯珀E。;Hoos,Holger H.:半监督学习调查(2020)
  17. 王杰;王波;梁静;于昆杰;粤、财通;任向阳:基于多模态多目标差分进化和特征选择的集成学习(2020)
  18. 吴鹏;胡启瑞;佟、邢伟;吴敏:利用机器学习学习学习因果关系,并应用于中国台风(2020)
  19. 杨文卓;西蒙,梅尔文;徐欢:目标得分、一致性损失及其在机器学习中的应用(2020)
  20. 于斌;Kumbier,Karl:验证数据科学(2020)