Vapnik-Chervonenkis Dimension and (Pseudo-)Hyperplane Arrangements
PulseAugur coverage of Vapnik-Chervonenkis Dimension and (Pseudo-)Hyperplane Arrangements — every cluster mentioning Vapnik-Chervonenkis Dimension and (Pseudo-)Hyperplane Arrangements across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
关于无冲突教学维界受VC维界约束的机器学习理论论文被撤回
一篇题为“无冲突教学维界受VC维界约束”的研究论文已被作者Benchong Li教授撤回。该论文旨在解决机器学习理论中一个悬而未决的问题，即无冲突教学维界是否受Vapnik-Chervonenkis（VC）维界的上限约束。作者声称已构建出等于VC维界的片段，这些片段满足有限概念类的非冲突条件，从而解决了该问题。
-
新研究探讨可计算学习与RER类
本文探讨了可计算的概率近似正确（CPAC）学习，重点关注当学习者必须是可计算函数时，统计学习基本定理如何变化。研究人员引入了有效VC维度，以在该设置中恢复定理的类似物。该研究调查了CPAC学习与递归可枚举表示（RER）类之间的关系，证明了即使对于RER类，有效VC维度也可能差异很大。研究结果还表明，CPAC可学习性可以通过包含产生相同样本的RER类来表征，并且具有唯一识别属性的CPAC可学习类必然是RER类。此外，本文还通过非均匀CP…
-
新统计方法可实现权衡函数的有限样本检验
研究人员开发了一种新的方法来检验源自两个未知概率分布的权衡函数。该方法确定了一个精确的条件，在此条件下，检验变得可行，它依赖于特定类别的可测量集能否达到 Neyman-Pearson 拒绝区域。该框架确立了该集合类的有限 Vapnik-Chervonenkis 维数对于有效的有限样本检验是必要且充分条件，从而提供了一种具有非渐近误差保证和权衡曲线同步置信区间的检验方法。