Preguntas etiquetadas con lg.learning

Los autómatas de estado finito residual (RFSA, definidos en [DLT02]) son NFA que tienen algunas características agradables en común con los DFA. En particular, siempre hay un RFSA canónico de tamaño mínimo para cada idioma regular, y el idioma reconocido por cada estado en el RFSA es residual, al igual …

12 cc.complexity-theory  ds.algorithms  automata-theory  lg.learning  minimization 

Inspirado por esta pregunta , tengo curiosidad por lo siguiente: ¿Cuál es la complejidad del peor caso de verificar si un DFA determinado acepta el mismo lenguaje que una expresión regular dada? ¿Se sabe esto? La esperanza sería que este problema esté en P, que exista un algoritmo polinomial del …

12 automata-theory  lg.learning  regular-expressions  dfa 

¿Qué se sabe sobre el siguiente problema? Dada una colección de funciones , encuentre una subcolección más grande sujeta a la restricción que VC-Dimension para algún entero .f : { 0 , 1 } n → { 0 , 1 } S ⊆ C ( S ) ≤ k kCCCF: …

12 reference-request  approximation-algorithms  cg.comp-geom  lg.learning  vc-dimension 

Tengo un conjunto de datos de miles de puntos y un medio para medir la distancia entre dos puntos, pero los puntos de datos no tienen dimensionalidad. Quiero un algoritmo para encontrar centros de clúster en este conjunto de datos. Me imagino que debido a que los datos no tienen …

12 machine-learning  lg.learning  clustering 

Se sabe que para el aprendizaje PAC, existen clases de conceptos naturales (p. Ej., Subconjuntos de listas de decisiones) para las cuales hay brechas polinómicas entre la complejidad de la muestra necesaria para el aprendizaje teórico de la información por parte de un alumno computacionalmente ilimitado, y la complejidad de …

12 machine-learning  lg.learning  sample-complexity 

Aquí hay un problema con un sabor similar al de las juntas de aprendizaje: Entrada: Una función f:{0,1}n→{−1,1}f:{0,1}n→{−1,1}f: \{0,1\}^n \rightarrow \{-1,1\} , representada por un oráculo de membresía, es decir, un oráculo que dado xxx , devuelve f(x)f(x)f(x) . Objetivo: encontrar un subcubo SSS de {0,1}n{0,1}n\{0,1\}^n con volumen |S|=2n−k|S|=2n−k|S|=2^{n-k} tal …

11 machine-learning  lg.learning  boolean-functions  sample-complexity 

Algunos antecedentes: Estoy interesado en encontrar límites inferiores "menos conocidos" (o resultados de dureza) para el problema de Aprendizaje con errores (LWE) y generalizaciones de los mismos como Aprender con errores sobre anillos. Para definiciones específicas, etc., aquí hay una buena encuesta realizada por Regev: http://www.cims.nyu.edu/~regev/papers/lwesurvey.pdf El tipo estándar de …

11 cc.complexity-theory  reference-request  cr.crypto-security  machine-learning  lg.learning 

Dana Angluin ( 1987 ; pdf ) define un modelo de aprendizaje con consultas de membresía y consultas teóricas (contraejemplos de una función propuesta). Ella muestra que un lenguaje regular que está representado por un DFA mínimo de estados se puede aprender en tiempo polinómico (donde las funciones propuestas son …

11 cc.complexity-theory  machine-learning  lower-bounds  lg.learning  query-complexity 

Angluin y Laird ('88) formalizaron el aprendizaje con datos corruptos al azar en el modelo "PAC con ruido de clasificación aleatoria" (o PAC ruidoso). Este modelo es similar al PAC aprendizaje , a excepción de las etiquetas de los ejemplos dados para el alumno están dañados (volteado), de forma independiente …

11 lg.learning 

Los datos del mundo real a veces tienen una cantidad natural de clústeres (intentar agruparlos en una cantidad de clústeres menor que un poco de magia k causará un aumento dramático del costo de la agrupación). Hoy asistí a una conferencia del Dr. Adam Meyerson y se refirió a ese …

11 lg.learning  clustering 

Mi pregunta es un poco genérica, así que estoy inventando una buena historia para justificarla. Ten paciencia conmigo si no es realista ;-) Historia El Sr. X, jefe del departamento de seguridad informática de una gran empresa, es un poco paranoico: exige que todos los empleados cambien sus contraseñas una …

11 lg.learning 

DDD{0,1}d×{0,1}{0,1}d×{0,1}\{0,1\}^d\times \{0,1\}CCCf:{0,1}d→{0,1}f:{0,1}d→{0,1}f:\{0,1\}^d\rightarrow\{0,1\}f∈Cf∈Cf \in Cerr(f,D)=Pr(x,y)∼D[f(x)≠y]err(f,D)=Pr(x,y)∼D[f(x)≠y]err(f,D) = \Pr_{(x,y) \sim D}[f(x) \neq y]OPT(C,D)=minf∈C err(f,D)OPT(C,D)=minf∈C err(f,D)OPT(C,D) = \min_{f \in C}\ err(f,D) Digamos que un algoritmo AAA aprende agnósticamente CCC sobre cualquier distribución, si para cualquier DDD puede con una probabilidad 2/32/32/3 encontrar una función fff tal que err(f,D)≤OPT(C,D)+ϵerr(f,D)≤OPT(C,D)+ϵerr(f,D) \leq OPT(C,D) + \epsilon , dado …

11 reference-request  machine-learning  lg.learning 

Es bien sabido que para una clase de concepto con VC dimensión , es suficiente obtener ejemplos etiquetados para PAC learn . ¿No me queda claro si el algoritmo de aprendizaje PAC (que utiliza estas muestras) es correcto o incorrecto? En los libros de texto de Kearns y Vazirani, así …

11 machine-learning  boolean-functions  lg.learning  vc-dimension  pac-learning 

Definamos una clase de funciones sobre un conjunto de bits. Arregle dos distribuciones p , q que sean "razonablemente" diferentes entre sí (si lo desea, su distancia de variación es al menos ϵ , o algo similar).nnnp,qp,qp, qϵϵ\epsilon Ahora cada función en esta clase se define mediante una colección de …

10 lg.learning 

Recientemente he estado leyendo una buena cantidad de documentos CoLT. Aunque no lucho con los documentos individuales (al menos no más de lo que normalmente lucho con otros documentos de teoría), no creo que tenga una buena comprensión del campo en general. ¿Existe un texto estándar, encuestas o notas de …

10 reference-request  machine-learning  lg.learning  survey  books