高自远;大卫·柯克帕特里克;克里斯托夫·里斯;汉斯·西蒙;桑德拉·齐勒斯 基于偏好的几何对象并集教学。 （英语） Zbl 1403.68093号 Steve Hanneke等人，算法学习理论国际会议。第28届会议论文集（ALT 2017），日本京都，京都大学，2017年10月15日至17日。[s.l.]：机器学习研究论文集PMLR。机器学习研究论文集（PMLR）76，185-207（2017）。 摘要：本文研究了在基于偏好的教学模式中非离散化几何概念并集的精确学习。特别是，当学习任意维度上有界数量的各种类型的几何概念（例如球、轴对齐的立方体或轴对齐的盒子）的不相交并集时，它关注的是相应样本复杂度参数，即基于偏好的教学维度（PBTD）的上下限。结果表明，某些此类概念的不相交并的PBTD随并中概念的数量线性增长，与维数无关。教授潜在重叠对象的并集结果更复杂，因此这里只考虑最多两个对象的并集。关于整个系列，请参见[Zbl 1398.68029号]. MSC公司： 第68季度32 计算学习理论 关键词：基于偏好的教学维度;几何概念类;概念学习联盟 PDF格式BibTeX公司 XML格式引用 \textit{Z.Gao}等人，Proc。马赫。学习。决议（PMLR）76，185--207（2017；Zbl 1403.68093） 全文： 链接