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
- 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) - Robust Online Classification: From Estimation to Denoising [16.336539657286266]
ノイズラベルの存在下でのオンライン分類について検討する。
本研究では, 幅広い自然雑音カーネル, 逆選択された特徴, 有限クラスラベリング関数に対して, ミニマックスリスクは時間的地平線に依存しない上界化可能であることを示す。
論文 参考訳(メタデータ) (2023-09-04T16:17:39Z) - 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) - 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) - Faster Convergence of Stochastic Gradient Langevin Dynamics for
Non-Log-Concave Sampling [110.88857917726276]
我々は,非log-concaveとなる分布のクラスからサンプリングするために,勾配ランゲヴィンダイナミクス(SGLD)の新たな収束解析を行う。
我々のアプローチの核心は、補助的時間反転型マルコフ連鎖を用いたSGLDのコンダクタンス解析である。
論文 参考訳(メタデータ) (2020-10-19T15:23:18Z) - 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) - The Simulator: Understanding Adaptive Sampling in the
Moderate-Confidence Regime [52.38455827779212]
エミュレータと呼ばれる適応サンプリングを解析するための新しい手法を提案する。
適切なログファクタを組み込んだトップk問題の最初のインスタンスベースの下位境界を証明します。
我々の新しい分析は、後者の問題に対するこの種の最初のエミュレータであるベストアームとトップkの識別に、シンプルでほぼ最適であることを示した。
論文 参考訳(メタデータ) (2017-02-16T23:42:02Z)
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。