Preguntas etiquetadas con machine-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 

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 

Estoy bastante familiarizado con la teoría detrás de VC-Dimension, pero ahora estoy mirando los avances recientes (últimos 10 años) en la teoría del aprendizaje estadístico: promedios (locales) Rademacher, Lema de clase finita de Massart, Números de cobertura, Encadenamiento, Dudley Teorema, pseudodimensión, dimensión de rotura de grasa, números de embalaje, composición …

10 reference-request  machine-learning  lg.learning  books  vc-dimension 

Es bien sabido que para el aprendizaje PAC clásico, los ejemplos de son necesarios para lograr un límite de error de ε whp, donde d es la dimensión VC de la clase de concepto.Ω(d/ε)Ω(d/ε)\Omega(d/\varepsilon)εε\varepsilonddd ¿Se sabe que se necesitan ejemplos de en el caso agnóstico?Ω(d/ε2)Ω(d/ε2)\Omega(d/\varepsilon^2)

10 lg.learning  machine-learning 

¿Qué clasificadores de aprendizaje automático son los más paralelizables? Si tuviera un problema de clasificación difícil, tiempo limitado, pero una LAN decente de computadoras para trabajar, ¿qué clasificadores probaría? Por supuesto, me parece que algunos clasificadores estándar que conozco se apilan de la siguiente manera, pero podría estar totalmente equivocado: …

10 lg.learning  machine-learning  dc.parallel-comp 

Específicamente, solicito recursos para aprender sobre los sistemas de aprendizaje automático que pueden actualizar sus respectivas redes de creencias (o equivalentes) durante la operación. Incluso me he encontrado con algunos, aunque no pude marcarlos. Como puede imaginar, es un tema bastante desafiante para buscar en Internet.

10 reference-request  machine-learning  lg.learning  ai.artificial-intel  online-learning 

Después de los éxitos cada vez más nuevos de las redes neuronales en los juegos de mesa, uno siente que el próximo objetivo que establecimos podría ser algo más útil que vencer a los humanos en Starcraft. Más precisamente, me preguntaba si ¿Pueden las redes neuronales ser entrenadas para resolver …

9 cc.complexity-theory  ds.algorithms  machine-learning  ne.neural-evol 

Los bosques aleatorios tienen una reputación entre los profesionales de estar entre las técnicas de clasificación más efectivas. Sin embargo, no los encontramos mucho en la literatura teórica del aprendizaje, de la cual deduzco una ausencia de resultados teóricos profundos. Si uno quisiera profundizar en esta teoría, ¿por dónde empezaría?

9 machine-learning  lg.learning 

Supongamos que tengo puntos en R d . Estos inducen un diagrama de Voronoi. Si asigno a cada uno de los k puntos una etiqueta ± , estos inducen una función binaria en R d . Pregunta: ¿cuál es la dimensión VC de todas esas funciones binarias posibles inducidas por …

9 cg.comp-geom  machine-learning  lg.learning  convex-geometry  high-dimensional-geometry 

Background––––––––––––––Background_\underline{\bf Background} En 2005, Regev [1] introdujo el problema de Aprendizaje con errores (LWE), una generalización del problema de Paridad de aprendizaje con error. La suposición de la dureza de este problema para ciertas opciones de parámetros ahora subyace a las pruebas de seguridad para una gran cantidad de criptosistemas …

9 cc.complexity-theory  ds.algorithms  cr.crypto-security  machine-learning  open-problem 

Estoy buscando la dimensión VC del siguiente sistema establecido. Universo tal que U ⊆ R 3 . En el sistema de conjuntos R, cada conjunto S ∈ R corresponde a una esfera en R 3 de modo que el conjunto S contiene un elemento en U si y solo si …

9 cg.comp-geom  machine-learning  vc-dimension 

Me refiero específicamente a las familias de idiomas que admiten cadenas arbitrariamente largas, no conjunciones sobre n bits o listas de decisiones o cualquier otro lenguaje "simple" contenido en {0,1} ^ n. Estoy preguntando acerca de los lenguajes regulares "autómatas-teóricos" en lugar de los "lógicos-teóricos": algo así como los lenguajes …

9 automata-theory  machine-learning  lg.learning 

¿Hay algún resultado que demuestre que los modelos (digamos SVM, Neural-Net, kNN, etc.) tendrán dificultades para aprender instancias "raras" / fenómenos de cola?

8 machine-learning  lg.learning  pac-learning 

En el problema de los expertos, expertos le dan predicciones binarias a diario, y usted tiene que predecir si va a llover mañana.nnn Es decir, en el día , usted conoce las predicciones pasadas de los expertos, el clima real para los días y las predicciones para mañana, y tiene …

8 ds.algorithms  machine-learning