Preguntas etiquetadas con lg.learning

Estoy pensando en el siguiente problema: quiero encontrar una expresión regular que coincida con un conjunto particular de cadenas (por ejemplo, direcciones de correo electrónico válidas) y que no coincida con otras (direcciones de correo electrónico no válidas). Supongamos que por expresión regular nos referimos a una máquina de estados …

43 np-hardness  fl.formal-languages  lg.learning  regular-expressions 

Sabemos que (véanse, por ejemplo, los Teoremas 1 y 3 de [1]), en términos generales, en condiciones adecuadas, las funciones que pueden calcularse eficientemente por la máquina de Turing en tiempo polinómico ("eficientemente computable") pueden expresarse mediante redes neuronales polinómicas con tamaños razonables, y por lo tanto se puede aprender …

28 cc.complexity-theory  np-hardness  machine-learning  turing-machines  lg.learning 

Una máquina PHPHPH tiene acceso oracle a una función booleana aleatoria f:{0,1}n→{−1,1}f:{0,1}n→{−1,1}f:\{0,1\}^n \to \{ -1,1 \} y dos espectros de Fourier ggg y hhh . El espectro de Fourier de una función fff se define como F:{0,1}n→RF:{0,1}n→RF:\{0,1\}^n \to R : F(s)=∑x∈{0,1}n(−1)(s⋅xmod 2)f(x)F(s)=∑x∈{0,1}n(−1)(s⋅xmod 2)f(x)F(s)=\sum_{x\in\{0,1\}^n} (-1)^\left( s\cdot x \mod\ 2 \right) f(x) …

26 cc.complexity-theory  lg.learning  boolean-functions  fourier-analysis 

El rango de signos de una matriz A con entradas + 1, -1 es el rango mínimo (sobre los reales) de una matriz B que tiene el mismo patrón de signos que A (es decir, para todo i , j ) Esta noción es importante en la complejidad de la …

25 lg.learning  open-problem  communication-complexity  matrices 

Existe una gran literatura sobre "pruebas de propiedad": el problema de realizar una pequeña cantidad de consultas de recuadro negro a una función para distinguir entre dos casos:F: { 0 , 1 }norte→ RF:{0 0,1}norte→Rf\colon\{0,1\}^n \to R es miembro de alguna clase de funciones CFFfCC\mathcal{C} es ε -lejos de cada …

20 reference-request  lg.learning  metrics  property-testing  black-box 

Aquí hay una abstracción de un problema de aprendizaje / bandido en línea en el que he estado trabajando en el verano. No he visto un problema como este antes, y parece bastante interesante. Si conoce algún trabajo relacionado, agradecería referencias. El problema La configuración es la de los bandidos …

19 machine-learning  lg.learning  online-learning 

La "optimización convexa en línea" de Zinkevich ( http://www.cs.cmu.edu/~maz/publications/ICML03.pdf ) generaliza los algoritmos de aprendizaje de "minimización de arrepentimiento" de una configuración lineal a una configuración convexa y ofrece un buen "arrepentimiento externo" . ¿Existe una generalización similar para el arrepentimiento interno? (No estoy totalmente seguro ni siquiera qué significa …

19 lg.learning  online-learning 

Estoy tratando de entender la complejidad de las funciones que se expresan a través de las puertas de umbral y esto me llevó a . En particular, estoy interesado en lo que se sabe actualmente sobre el aprendizaje dentro de T C 0 , ya que no soy un experto …

16 cc.complexity-theory  reference-request  cr.crypto-security  lg.learning  boolean-functions 

Considere un poset finito sobre elementos, y un predicado monotónico desconocido sobre (es decir, para cualquier , , si y luego ) . Puedo evaluar proporcionando un nodo y descubriendo si P (x) se mantiene o no. Mi objetivo es determinar exactamente el conjunto de nodos x \ en X …

15 ds.algorithms  lg.learning  partial-order  search-problem  order-theory 

Editar: como no he recibido ninguna respuesta / comentario en una semana, me gustaría agregar que estoy feliz de escuchar algo sobre el problema. No trabajo en el área, así que aunque sea una simple observación, puede que no lo sepa. ¡Incluso un comentario como "Trabajo en el área, pero …

15 reference-request  machine-learning  lg.learning 

Antecedentes Las funciones en son PAC que se pueden aprender en tiempo cuasipolinomial con un algoritmo clásico que requiere consultas elegidas al azar para aprender un circuito de profundidad d [1]. Si no hay un algoritmo de factorización , entonces esto es óptimo [2]. Por supuesto, en una computadora cuántica …

15 quantum-computing  lg.learning  machine-learning  open-problem  ne.neural-evol 

¿Cuál es la complejidad de consulta más conocida del algoritmo de aprendizaje Goldreich-Levin? Las notas de la conferencia del blog de Luca Trevisan , Lemma 3, lo declaran como . ¿Es este el más conocido en términos de dependencia de ? ¡Estaré particularmente agradecido por una referencia a una fuente …

14 cc.complexity-theory  reference-request  lg.learning  fourier-analysis 

Asigné a mis alumnos el problema de encontrar un triángulo consistente con una colección de puntos en , etiquetado con . (Un triángulo es consistente con la muestra etiquetada si contiene todos los puntos positivos y ninguno de los negativos; por supuesto, la muestra admite al menos 1 triángulo consistente).mmmR2R2\mathbb{R}^2±1±1\pm1TTTTTT …

13 cg.comp-geom  machine-learning  lg.learning  convex-geometry 

Hice esta pregunta en preguntas y respuestas validadas cruzadas, pero parece que está relacionada con CS mucho más que las estadísticas. ¿Me puede dar ejemplos de algoritmos de aprendizaje automático que aprendan de las propiedades estadísticas del conjunto de datos, no de las observaciones individuales, es decir, empleen el modelo …

13 lg.learning  machine-learning 

Antecedentes: en el aprendizaje automático, a menudo trabajamos con modelos gráficos para representar funciones de densidad de probabilidad de alta dimensión. Si descartamos la restricción de que una densidad se integra (sumas) a 1, obtenemos una función de energía estructurada en gráficos no normalizada . Supongamos que tenemos una función …

13 reference-request  machine-learning  lg.learning  boolean-functions