AdaBoost.MH版

在线学习的决策理论推广及其在boosting中的应用。在本文的第一部分中,我们考虑在最坏情况下的在线框架下,在一组选项之间动态分配资源的问题。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504篇,1标准件)

显示504的结果1到20。
按年份排序(引用)

1 2 ... 24 25 26 下一个

  1. 巴托兹,米歇拉;维多尼,保罗:基于似然的二元数据因子分析模型的boosting算法(2022)
  2. 高雪峰;徐天润:订单评分,盗贼学习和订单取消(2022)
  3. 乔治耶夫,斯拉维·G。;Vulkov,Lubin G.:从非本地价格观察中恢复跳跃-扩散模型中的时间依赖波动性(2022年)
  4. 休伯,弗洛里安人;Rossini,Luca:贝叶斯加性向量自回归树模型的推论(2022)
  5. 鲁丁,辛西亚;陈超凡;陈志;黄海阳;西米诺娃,莱西亚;钟楚迪:可解释机器学习:基本原理与十大挑战(2022)
  6. 特丘恩特,迪尤登内;Nyawa,Serge:使用地理编码和机器学习的法国城市房地产价格估算(2022年)
  7. 韦纳,蒂诺:统计学习中的实例排序问题述评(2022)
  8. 艾哈迈德,B。;穆杜鲁,M.K。;卡拉,S。;詹姆斯,南卡罗来纳州。;Vesselinov,V.V.:用于预测反应混合状态的机器学习模型的比较研究(2021)
  9. 阿特舒勒,杰森M。;Talwar,Kunal:有限动作集合上的在线学习(2021)
  10. 弗拉基米尔·维克托罗维奇·阿拉扎罗夫;沃西亚特,尤利娅·谢尔盖维奇;马塔洛夫,丹尼尔帕夫洛维奇;尼古拉耶夫,德米特里·彼得罗维奇;Usilin,SergeĭAleksandrovich:Viola-Jones目标检测方法的演变:一项调查(2021年)
  11. 巴特利特,彼得L.(编辑);布图西亚,克里斯蒂娜(编辑);施密特·希伯,约翰尼斯(编辑):机器学习的数学基础。2021年3月21-27日(混合会议)(2021年)研讨会摘要
  12. 布拉瓦,维克托拉斯;维吉尼朱斯,马尔辛凯维修斯;Rumiêski,Jacek:多类分类算法在高度不平衡网络入侵数据集上的性能研究(2021)
  13. 卡尔德,杰夫;Drenska,Nadejda:与历史相关专家在线预测的渐近最优策略(2021)
  14. 卡里佐萨,埃米利奥;莫莱罗-里欧,克里斯蒂娜;Romero Morales,Dolores:分类和回归树中的数学优化(2021)
  15. 程,宜春;王新雷;夏玉森:用于数据可视化和分类的监督(t)-分布式随机邻域嵌入(2021)
  16. 康德,大卫;费尔南德斯,米格尔A。;鲁达,克里斯蒂娜;萨尔瓦多,博尼法西奥:等张增压分类规则(2021)
  17. 冯、陈;格里芬,保罗;凯蒂雷迪,什拉文;梅亚军:脓毒症筛查的一种基于提升的个性化阈值方法(2021)
  18. 菲尔德,邓肯;亚扪人,亚尼人;培尼亚,何塞玛丽亚;Jérusalem,Antoine:基于机器学习的复合材料介观本构模型的多尺度校准:在脑白质中的应用(2021)
  19. 戈萨尔,因德拉尤德;胡克,吉尔斯:增加随机森林以减少偏差;一步推进森林及其方差估计(2021年)
  20. 光俊,光俊;李,舒:批量模式主动学习框架及其在大变量年金组合估值中的应用(2021)

1 2 ... 24 25 26 下一个