×

有序有界示例记忆的增量学习。 (英语) Zbl 1262.68062号

Gavaldá,Ricard(编辑)等,算法学习理论。第20届国际会议,ALT 2009,葡萄牙波尔图,2009年10月3-5日。诉讼程序。柏林:施普林格出版社(ISBN 978-3-642-04413-7/pbk)。计算机科学课程讲稿5809。人工智能课堂讲稿,323-337(2009)。
小结:有界示例记忆学习者是一个渐进式操作的学习者,能够保持有限多个数据项的记忆。该范式已被充分研究,并与集驱动学习相吻合。当考虑到对于每个迭代学习者(k in mathbb{N}),最多可以保持对以前处理过的数据项的记忆时,就会得到一个越来越强的学习标准层次。我们报道了最近对有界示例记忆模型扩展的研究,其中使用构造性序数符号来限制学习者要求适当的全局记忆扩展的次数。
关于整个系列,请参见[Zbl 1176.68006号].

MSC公司:

68问题32 计算学习理论
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Blum,L.,Blum,M.:归纳推理的数学理论。信息与控制28,125–155(1975)·Zbl 0375.02028号 ·doi:10.1016/S0019-9958(75)90261-2
[2] Carlucci,L.,Case,J.,Jain,S.:学习纠错语法。收录于:Bshouty,N.,Gentile,C.(编辑)《第20届学习理论年会论文集》,美国圣地亚哥,第203-217页(2007)·Zbl 1193.03066号 ·doi:10.1007/978-3-540-72927-3_16
[3] Case,J.、Jain,S.、Lange,S.和Zeugmann,T.:有界数据挖掘的增量概念学习。信息与计算152(1),74–110(1999)·Zbl 1045.68572号 ·doi:10.1006/inco.1998.2784
[4] Freivalds,R.,Smith,C.H.:关于拖延对机器学习的作用。信息与计算107237-271(1993)·兹伯利0794.68127 ·doi:10.1006/inco.1993.1068
[5] Gold,E.M.:限制中的语言识别。信息与控制10,447–474(1967)·Zbl 0259.68032号 ·doi:10.1016/S0019-9958(67)91165-5
[6] Jain,S.、Osherson,D.、Royer,J.、Sharma,A.:学习系统:学习理论导论,第二版。麻省理工学院出版社,剑桥(1999)
[7] Lange,S.、Moelius,S.E.、Zilles,S.:用临时记忆学习。收录:Freund,Y.,Györfi,L.,Turán,G.,Zeugmann,T.(编辑)ALT 2008。LNCS(LNAI),第5254卷,第449-463页。斯普林格,海德堡(2008)·Zbl 1156.68414号 ·doi:10.1007/978-3-540-87987-936
[8] Kinber,E.,Stephan,F.:从文本中学习语言:思维变化、有限记忆和单调性。信息与计算123(2),224–241(1995)·Zbl 0839.68083号 ·doi:10.1006/inco.1995.1170
[9] Lange,S.,Zeugmann,T.:从积极数据中进行增量学习。《计算机与系统科学杂志》53(1),88–103(1996)·Zbl 0859.68088号 ·doi:10.1006/jcss.1996.0051
[10] 罗杰斯,H。:递归函数和有效可计算性理论。McGraw-Hill,纽约(1967年);麻省理工出版社重印(1987)·Zbl 0183.01401号
[11] Wexler,K.,Culicover,P.W.:语言习得的形式原则。麻省理工学院出版社,剑桥(1980)
[12] 维哈根:Limes-Erkenung rekursiver Funktitonene durch spezielle Strategien。Elektronische Informationsverarbeitung und Kybernetik 12(1/2),93–99(1976)·Zbl 0346.02019号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。