論文の概要: Efficient Testable Learning of General Halfspaces with Adversarial Label Noise

• arxiv url: http://arxiv.org/abs/2408.17165v1
• Date: Fri, 30 Aug 2024 10:08:21 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-02 15:48:34.342124
• Title: Efficient Testable Learning of General Halfspaces with Adversarial Label Noise
• Title（参考訳）: 逆ラベル雑音を伴う一般半空間の効率的なテスト可能学習
• Authors: Ilias Diakonikolas, Daniel M. Kane, Sihan Liu, Nikos Zarifis,
• Abstract要約: 逆ラベル雑音を伴う一般半空間の検証可能な学習課題について検討する。 テスト可能な学習フレームワークでは、データがテスタを通過すると、データに対する堅牢な学習者のアウトプットを信頼できるように、テスタ-ラーナーを開発することが目標である。 我々のアプローチの核心は、一般的なハーフ空間の検証可能な学習を、より広い関心を持つであろうほぼ同質なハーフ空間の検証可能な学習に還元する新しい手法である。
• 参考スコア（独自算出の注目度）: 37.4323638115877
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study the task of testable learning of general -- not necessarily homogeneous -- halfspaces with adversarial label noise with respect to the Gaussian distribution. In the testable learning framework, the goal is to develop a tester-learner such that if the data passes the tester, then one can trust the output of the robust learner on the data.Our main result is the first polynomial time tester-learner for general halfspaces that achieves dimension-independent misclassification error. At the heart of our approach is a new methodology to reduce testable learning of general halfspaces to testable learning of nearly homogeneous halfspaces that may be of broader interest.
• Abstract（参考訳）: ガウス分布に対する逆ラベルノイズを持つ一般(必ずしも同質ではない)半空間の検証可能な学習の課題について検討する。 テスト可能な学習フレームワークでは、データがテスタを通過すると、データ上で頑健な学習者の出力を信頼できるようなテスタ-ラーナーを開発することを目的としており、我々の主な成果は、次元に依存しない誤分類誤差を達成する一般的なハーフスペースに対する最初の多項式時間テスタ-ラーナーである。 我々のアプローチの核心は、一般的なハーフ空間の検証可能な学習を、より広い関心を持つであろうほぼ同質なハーフ空間の検証可能な学習に還元する新しい手法である。

関連論文リスト

• Efficient Discrepancy Testing for Learning with Distribution Shift [17.472049019016524]
  局所的な一致距離をテストするための証明可能なアルゴリズムの最初のセットを提供する。 結果は、最近導入されたTestable Learning with Distribution Shiftモデルにおいて、新しい効率的な学習アルゴリズムの幅広いセットを示唆している。
  論文  参考訳（メタデータ） (2024-06-13T17:51:10Z)
• Probabilistic Contrastive Learning for Long-Tailed Visual Recognition [78.70453964041718]
  細長い分布は、少数の少数派が限られた数のサンプルを含む実世界のデータにしばしば現れる。 近年の研究では、教師付きコントラスト学習がデータ不均衡を緩和する有望な可能性を示していることが明らかになっている。 本稿では,特徴空間の各クラスからのサンプルデータ分布を推定する確率論的コントラスト学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-03-11T13:44:49Z)
• Testable Learning with Distribution Shift [9.036777309376697]
  分散シフトを伴うテスト可能学習と呼ばれる新しいモデルを定義する。 テスト分布上の分類器の性能を証明可能なアルゴリズムを得る。 ハーフスペースやハーフスペースの交点,決定木といった概念クラスを学ぶ上で,いくつかの肯定的な結果が得られる。
  論文  参考訳（メタデータ） (2023-11-25T23:57:45Z)
• Leveraging Unlabelled Data in Multiple-Instance Learning Problems for Improved Detection of Parkinsonian Tremor in Free-Living Conditions [80.88681952022479]
  本稿では,半教師付き学習とマルチスタンス学習を組み合わせた新しい手法を提案する。 本研究は,454被験者の非競合データを活用することにより,物体ごとの震動検出において大きな性能向上が達成できることを示す。
  論文  参考訳（メタデータ） (2023-04-29T12:25:10Z)
• Efficient Testable Learning of Halfspaces with Adversarial Label Noise [44.32410859776227]
  最近導入されたテスト可能な学習モデルでは、データがテスタを通過すると、データに対する堅牢な学習者の出力を信頼するように、テスタ-ラーナーを作成する必要がある。 テストラナーは、時間$poly(d/eps)$を実行し、ミス分類エラー$O(opt)+eps$でハーフスペースを出力します。
  論文  参考訳（メタデータ） (2023-03-09T18:38:46Z)
• An Efficient Tester-Learner for Halfspaces [13.13131953359806]
  本稿では、Rubinfeld と Vasilyan が最近定義したテスト可能な学習モデルにおいて、ハーフスペースを学習するための最初の効率的なアルゴリズムを提案する(2023)。 このモデルでは、学習者は、トレーニングセットがテストに合格するたびに、その出力仮説の精度がほぼ最適であると認定する。
  論文  参考訳（メタデータ） (2023-02-28T18:51:55Z)
• A Moment-Matching Approach to Testable Learning and a New Characterization of Rademacher Complexity [15.746613321517282]
  我々は、モーメントマッチングやメートル法非依存のツールを用いて、テスト可能な学習アルゴリズムを開発するための強力な新しいアプローチを提案する。 意外なことに、テスト可能な学習における情報理論の複雑さは、概念クラスのRademacher複雑さによって強く特徴づけられている。
  論文  参考訳（メタデータ） (2022-11-23T21:29:51Z)
• Good Classifiers are Abundant in the Interpolating Regime [64.72044662855612]
  補間分類器間のテストエラーの完全な分布を正確に計算する手法を開発した。 テストエラーは、最悪の補間モデルのテストエラーから大きく逸脱する、小さな典型的な$varepsilon*$に集中する傾向にある。 以上の結果から,統計的学習理論における通常の解析手法は,実際に観測された優れた一般化性能を捉えるのに十分な粒度にはならない可能性が示唆された。
  論文  参考訳（メタデータ） (2020-06-22T21:12:31Z)
• 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。