論文の概要: Efficiently Learning Adversarially Robust Halfspaces with Noise
- arxiv url: http://arxiv.org/abs/2005.07652v1
- Date: Fri, 15 May 2020 17:13:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-02 22:42:25.029715
- Title: Efficiently Learning Adversarially Robust Halfspaces with Noise
- Title(参考訳): 雑音を考慮した逆ロバスト半空間の学習
- Authors: Omar Montasser, Surbhi Goel, Ilias Diakonikolas, Nathan Srebro
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 69.01459748050453
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study the problem of learning adversarially robust halfspaces in the
distribution-independent setting. In the realizable setting, we provide
necessary and sufficient conditions on the adversarial perturbation sets under
which halfspaces are efficiently robustly learnable. In the presence of random
label noise, we give a simple computationally efficient algorithm for this
problem with respect to any $\ell_p$-perturbation.
- Abstract(参考訳): 本研究では,分布非依存環境における逆強半空間の学習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。
ランダムラベルノイズの存在下では、$\ell_p$-perturbationに対して、この問題に対して単純な計算効率のよいアルゴリズムを与える。
関連論文リスト
- Efficient PAC Learning of Halfspaces with Constant Malicious Noise Rate [14.461730902968862]
本研究では,悪質な雑音の存在下でのハーフスペースの計算効率の高いPAC学習の問題について検討する。
再重み付きヒンジ損失を最小化することにより、一定の耐雑音性が得られることを示す。
論文 参考訳(メタデータ) (2024-10-02T02:38:33Z) - The Optimal Noise in Noise-Contrastive Learning Is Not What You Think [80.07065346699005]
この仮定から逸脱すると、実際により良い統計的推定結果が得られることが示される。
特に、最適な雑音分布は、データと異なり、また、別の家族からさえも異なる。
論文 参考訳(メタデータ) (2022-03-02T13:59:20Z) - High Probability Complexity Bounds for Non-Smooth Stochastic Optimization with Heavy-Tailed Noise [51.31435087414348]
アルゴリズムが高い確率で小さな客観的残差を与えることを理論的に保証することが不可欠である。
非滑らか凸最適化の既存の方法は、信頼度に依存した複雑性境界を持つ。
そこで我々は,勾配クリッピングを伴う2つの手法に対して,新たなステップサイズルールを提案する。
論文 参考訳(メタデータ) (2021-06-10T17:54:21Z) - The Complexity of Adversarially Robust Proper Learning of Halfspaces
with Agnostic Noise [67.27523616312428]
分布非依存型PACモデルにおけるハーフスペースの逆強正則学習の計算複雑性について検討する。
この問題に対して,計算効率のよい学習アルゴリズムとほぼ一致する計算硬度結果を与える。
論文 参考訳(メタデータ) (2020-07-30T04:18:51Z) - 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) - Attribute-Efficient Learning of Halfspaces with Malicious Noise:
Near-Optimal Label Complexity and Noise Tolerance [21.76197397540397]
本稿では,雑音下でのmathbbRd$における等質スパース半空間の計算的学習について述べる。
サンプルの複雑さは$tildeObig(frac 1 epsilon s2 log5 d big)$であり、属性効率も楽しめます。
論文 参考訳(メタデータ) (2020-06-06T04:57:39Z) - Learning Halfspaces with Massart Noise Under Structured Distributions [46.37328271312332]
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
論文 参考訳(メタデータ) (2020-02-13T17:02:37Z)
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。