PulseAugur
中
实时 05:23:50
English(EN) Actively Learning Halfspaces without Synthetic Data

新算法无需合成数据即可学习半空间

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新的算法，可以在不依赖合成数据的情况下学习半空间，解决了计算几何学中一个长期存在的挑战。该算法在从大小为 D 的集合中学习具有法向量的半空间时，实现了 $\Theta(D + \log n)$ 的紧密界限。这种方法还为 PAC 学习产生了近乎最优的算法，即使存在对抗性破坏，也需要 $O(\min(D + \log(1/\varepsilon), 1/\varepsilon) \cdot \log D)$ 次查询即可在误差 $\varepsilon$ 内学习一个函数。 AI

排序理由 该集群包含一篇学术论文，详细介绍了计算几何学问题的一种新算法。[lever_c_demoted from research: ic=1 ai=0.4]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新算法无需合成数据即可学习半空间

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Hadley Black, Kasper Green Larsen, Arya Mazumdar, Barna Saha, Geelon So ·

    Actively Learning Halfspaces without Synthetic Data

    arXiv:2509.20848v2 Announce Type: replace-cross Abstract: In the classic point location problem, one is given an arbitrary dataset $X \subset \mathbb{R}^d$ of $n$ points with query access to an unknown halfspace $f : \mathbb{R}^d \to \{0,1\}$, and the goal is to learn the label o…

相关实体

相关话题