Fugu-MT 論文翻訳(概要): Interpolation Learning With Minimum Description Length

論文の概要: Interpolation Learning With Minimum Description Length

arxiv url: http://arxiv.org/abs/2302.07263v1
Date: Tue, 14 Feb 2023 18:58:11 GMT
ステータス: 処理完了
システム内更新日: 2023-02-15 14:33:16.132269
Title: Interpolation Learning With Minimum Description Length
Title（参考訳）: 最小記述長による補間学習
Authors: Naren Sarayu Manoj, Nathan Srebro
Abstract要約: 我々は,最小記述長の学習規則が,過度な過剰適合を示すことを証明した。我々は,無作為なラベルノイズの存在下での動作を,有限標本非依存学習により保証し,特徴付ける。
参考スコア（独自算出の注目度）: 27.434419027831044
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We prove that the Minimum Description Length learning rule exhibits tempered overfitting. We obtain tempered agnostic finite sample learning guarantees and characterize the asymptotic behavior in the presence of random label noise.
Abstract（参考訳）: 我々は,最小記述長の学習規則が過度に適合していることを証明する。我々は,無作為なラベル雑音の存在下での漸近的振る舞いを特徴付ける,無作為な有限標本学習保証を得る。

関連論文リスト

Small steps no more: Global convergence of stochastic gradient bandits for arbitrary learning rates [61.091122503406304]
勾配帯域幅アルゴリズムは, 経験的定値学習率を用いて, ほぼ確実にグローバルな最適ポリシーに収束することを示す。この結果は、標準の滑らかさと騒音制御の仮定が崩壊するシナリオにおいても、勾配アルゴリズムが適切な探索と利用のバランスを保ち続けていることを証明している。
論文参考訳（メタデータ） (2025-02-11T00:12:04Z)
Asymptotic and Finite Sample Analysis of Nonexpansive Stochastic Approximations with Markovian Noise [20.474661995490365]
本研究は、単に拡張的でない作用素との近似を研究する。特にマルコフ雑音による非拡張近似について検討する。応用として、古典的な平均報酬時間差学習が標本経路依存の固定点に収束することを初めて証明する。
論文参考訳（メタデータ） (2024-09-29T04:16:24Z)
Understanding and Mitigating Classification Errors Through Interpretable Token Patterns [58.91023283103762]
容易に解釈可能な用語でエラーを特徴付けることは、分類器が体系的なエラーを起こす傾向にあるかどうかを洞察する。正しい予測と誤予測を区別するトークンのパターンを発見することを提案する。提案手法であるPremiseが実際によく動作することを示す。
論文参考訳（メタデータ） (2023-11-18T00:24:26Z)
Log-Concavity of Multinomial Likelihood Functions Under Interval Censoring Constraints on Frequencies or Their Partial Sums [0.135975510645475]
周波数またはその部分周波数の制約を検閲する多項ベクトル化制約の確率関数が完全に対数となることを示す。
論文参考訳（メタデータ） (2023-11-05T20:44:08Z)
Ensembled Prediction Intervals for Causal Outcomes Under Hidden Confounding [49.1865229301561]
本稿では,既存の因果感受性モデルを用いた部分同定手法を提案し,Caus-Modensがより厳密な結果区間を与えることを示す。 3つの異なるベンチマークのうち最後のものは、未知だが探究可能な基底真理を持つ観測実験にGPT-4を新たに使用することである。
論文参考訳（メタデータ） (2023-06-15T21:42:40Z)
A Characterization of Semi-Supervised Adversarially-Robust PAC Learnability [57.502573663108535]
本研究では、半教師付きPACモデルにおいて、時間攻撃をテストするために、逆向きに頑健な予測器を学習する問題について検討する。最悪の分布自由モデルにおいても,半教師付き頑健な学習には大きなメリットがあることが示されている。
論文参考訳（メタデータ） (2022-02-11T03:01:45Z)
Finite Sample Analysis of Minimax Offline Reinforcement Learning: Completeness, Fast Rates and First-Order Efficiency [83.02999769628593]
強化学習におけるオフ・ポリティィ・アセスメント(OPE)の理論的特徴について述べる。ミニマックス法により、重みと品質関数の高速収束を実現することができることを示す。非タブラル環境における1次効率を持つ最初の有限サンプル結果を示す。
論文参考訳（メタデータ） (2021-02-05T03:20:39Z)
Sample Efficient Graph-Based Optimization with Noisy Observations [17.91308664586981]
グラフのサイズに依存しない少数のクエリの後に、ベストアーム識別の変種が、ほぼ最適解を見つけることができることを示す。グラフベース近傍分類の問題に対して,再起動によるグリーディアルゴリズムの有効性とシミュレーションアニーリングの有効性を示す。
論文参考訳（メタデータ） (2020-06-04T07:22:28Z)
On Thompson Sampling for Smoother-than-Lipschitz Bandits [6.929312022493406]
我々はトンプソン・サンプリングの弱い条件下での連続的な武装バンディットに対する後悔に関する最初の境界を提供する。我々の境界は、可溶性次元の分析によって実現される。我々は、リプシッツ微分を持つ函数の類に対するユーラダー次元の新しい境界を導出する。
論文参考訳（メタデータ） (2020-01-08T00:46:13Z)

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。