論文の概要: Learning Halfspaces with Massart Noise Under Structured Distributions

• arxiv url: http://arxiv.org/abs/2002.05632v1
• Date: Thu, 13 Feb 2020 17:02:37 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-01 13:12:25.921762
• Title: Learning Halfspaces with Massart Noise Under Structured Distributions
• Title（参考訳）: 構造分布下におけるマスアート雑音による半空間学習
• Authors: Ilias Diakonikolas, Vasilis Kontonis, Christos Tzamos, and Nikos Zarifis
• Abstract要約: 分布特異的PACモデルにおいて,マスアートノイズを伴う学習空間の問題を解く。 対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対数対
• 参考スコア（独自算出の注目度）: 46.37328271312332
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study the problem of learning halfspaces with Massart noise in the distribution-specific PAC model. We give the first computationally efficient algorithm for this problem with respect to a broad family of distributions, including log-concave distributions. This resolves an open question posed in a number of prior works. Our approach is extremely simple: We identify a smooth {\em non-convex} surrogate loss with the property that any approximate stationary point of this loss defines a halfspace that is close to the target halfspace. Given this structural result, we can use SGD to solve the underlying learning problem.
• Abstract（参考訳）: 分布特異的pacモデルにおけるマスアートノイズを伴う半空間学習の問題について検討する。 本稿では,ログ・コンケーブ分布を含む幅広い分布群に対して,この問題に対する最初の計算効率のよいアルゴリズムを提案する。 これは、多くの先行研究で提起された開問題を解決する。 我々のアプローチは非常に単純で、この損失の任意の近似定常点が対象の半空間に近い半空間を定義するという性質で、滑らかな非凸な損失を同定する。 この構造的結果から,SGDを用いて基礎となる学習問題を解決することができる。

関連論文リスト

• Contrastive Moments: Unsupervised Halfspace Learning in Polynomial Time [8.419603619167813]
  所望のテレビ距離内において,$d$次元空間にマージンを持つ高次元半空間を学習するためのガウス時間アルゴリズムを提案する。 我々のアルゴリズムはラベルを必要とせず、隠れたハーフスペースのユニークな(そして効率的な)識別性を確立する。 超ポリノミカルな既存のモーメントバウンド保証の代わりに、トータル変分(TV)距離に基づくポリタイム保証を提供することにより、この問題を改善する。
  論文  参考訳（メタデータ） (2023-11-02T17:51:10Z)
• Agnostic Proper Learning of Halfspaces under Gaussian Marginals [56.01192577666607]
  ガウスの下の半空間を不可知的に学習する問題を考察する。 我々の主な成果は、この問題に対するエム第一固有学習アルゴリズムである。
  論文  参考訳（メタデータ） (2021-02-10T18:40:44Z)
• A Polynomial Time Algorithm for Learning Halfspaces with Tsybakov Noise [55.45544638410858]
  本研究では,Tsybakovノイズの存在下でのPAC学習の相同性半空間の問題について検討する。 我々のアルゴリズムは、任意の精度$epsilon$で真のハーフスペースを学習する。
  論文  参考訳（メタデータ） (2020-10-04T22:19:06Z)
• Non-Convex SGD Learns Halfspaces with Adversarial Label Noise [50.659479930171585]
  分布固有モデルにおいて,同種半空間の学習を代理する問題に対する解を示す。 任意の凸分布において、誤分類誤差は本質的にハーフスペースの誤分類誤差につながることを示す。
  論文  参考訳（メタデータ） (2020-06-11T18:55:59Z)
• Learning Halfspaces with Tsybakov Noise [50.659479930171585]
  テュバコフ雑音の存在下でのハーフスペースの学習可能性について検討する。 真半空間に関して誤分類誤差$epsilon$を達成するアルゴリズムを与える。
  論文  参考訳（メタデータ） (2020-06-11T14:25:02Z)
• Classification Under Misspecification: Halfspaces, Generalized Linear Models, and Connections to Evolvability [39.01599245403753]
  特に、Massartノイズ下でのハーフスペースの学習問題を$eta$で検討する。 我々は任意のSQアルゴリズムが$mathsfOPT + epsilon$を達成するのに超ポリノミカルな多くのクエリを必要とすることを示した。 また、Massartノイズ下でハーフスペースを学習するためのアルゴリズムを実証的に研究し、いくつかの魅力的なフェアネス特性を示すことを示した。
  論文  参考訳（メタデータ） (2020-06-08T17:59:11Z)
• Efficiently Learning Adversarially Robust Halfspaces with Noise [69.01459748050453]
  本研究では,分布に依存しない環境下で,逆向きに頑健なハーフスペースを学習する問題について検討する。 実現可能な設定では、ハーフ空間が効果的に学習可能な対向摂動集合に対して必要かつ十分な条件を提供する。
  論文  参考訳（メタデータ） (2020-05-15T17:13:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。