Zhenisbek Assylbekov

新论文修正机器学习中的记忆下界

Zhenisbek Assylbekov 和 Lisa Feldman Barrett 在 arXiv 上发表的一篇新论文修正了先前确定的记忆下界。作者们为该界限的条件形式和平均形式提供了一个反例，证明了所提出的惩罚与实际超额风险之比可以呈指数级增长。他们提出使用全样本后验概率进行精确替换，该概率取决于重数和完整的频率分布，并描述了对无限制学习者有效的最大重数系数。