English(EN) Optimal Learning Under Tsybakov Noise

Tsybakov噪声下的机器学习误差保证问题已解决

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-11 04:00

研究人员解决了机器学习中一个长期存在的关于Tsybakov噪声下最优误差保证的公开问题。他们的新算法根据噪声水平自适应地划分实例空间，实现了与已知最优下界相匹配的改进上限。这项工作建立在近期非可实现学习研究进展的基础上，并确立了在Tsybakov噪声存在下学习的最优误差保证。 AI

影响为特定噪声条件下的学习算法确立了最优误差保证，推进了理论理解。

排序理由这是一篇提出新算法并解决机器学习理论中一个公开问题的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

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

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Steve Hanneke, Hongao Wang, Mingyue Xu · 2026-08-11 04:00

Tsybakov噪声下的最优学习

arXiv:2608.08416v1 Announce Type: new Abstract: Probably Approximately Correct (PAC) learning [Val84] is a fundamental learning model that has been extensively investigated. In this model, $\mathcal{H} \subseteq \{0,1\}^{\mathcal{X}}$ is a concept class, and $h^*\in\mathcal{H}$ i…