論文の概要: PAC Learning is just Bipartite Matching (Sort of)

• arxiv url: http://arxiv.org/abs/2502.00607v1
• Date: Sun, 02 Feb 2025 00:28:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-05 15:02:02.810113
• Title: PAC Learning is just Bipartite Matching (Sort of)
• Title（参考訳）: PAC学習はただの2部マッチング(その1)
• Authors: Shaddin Dughmi,
• Abstract要約: この記事の主目的は、読者であるあなた、Probably Aquatrect (PAC)モデルにおける教師付き学習が、すべて -- バイパーティイトマッチング – と密接に関連していることを、読者に納得させることです。 学習の特定の帰納的モデルと関連する一包含グラフについて概説し、レクリエーション数学でよく見られるいくつかの帽子パズルの一般化と見なすことができる。
• 参考スコア（独自算出の注目度）: 1.1965844936801802
• License:
• Abstract: The main goal of this article is to convince you, the reader, that supervised learning in the Probably Approximately Correct (PAC) model is closely related to -- of all things -- bipartite matching! En-route from PAC learning to bipartite matching, I will overview a particular transductive model of learning, and associated one-inclusion graphs, which can be viewed as a generalization of some of the hat puzzles that are popular in recreational mathematics. Whereas this transductive model is far from new, it has recently seen a resurgence of interest as a tool for tackling deep questions in learning theory. A secondary purpose of this article could be as a (biased) tutorial on the connections between the PAC and transductive models of learning.
• Abstract（参考訳）: この記事の主目的は、読者であるあなた、Probably Aquatrect (PAC)モデルにおける教師付き学習が、すべて -- バイパーティイトマッチング – と密接に関連していることを、読者に納得させることです。 PAC学習から二分法マッチングまで、学習の特定のトランスダクティブモデルと関連する一包含グラフの概要を概観し、レクリエーション数学で人気のあるいくつかのハットパズルの一般化と見なすことができる。 このトランスダクティブモデルは決して新しいものではないが、最近、学習理論における深い疑問に対処するためのツールとして関心が復活した。 この記事の二次的な目的は、PACとトランスダクティブ学習モデルの関連性に関する(バイアスのある)チュートリアルとして考えられる。

関連論文リスト

• Ensemble Learning via Knowledge Transfer for CTR Prediction [9.891226177252653]
  本稿では,より大規模なアンサンブルネットワークを調査し,一般的なアンサンブル学習法に特有の3つの制約を見出す。 我々は,新しいモデルに依存しないアンサンブル知識伝達フレームワーク(EKTF)を提案する。 実世界の5つのデータセットの実験結果は、EKTFの有効性と互換性を示している。
  論文  参考訳（メタデータ） (2024-11-25T06:14:20Z)
• Is Transductive Learning Equivalent to PAC Learning? [0.9012198585960443]
  PACモデルとトランスダクティブモデルは、本質的には非依存のバイナリ分類に等価であることを示す。 我々は,2番目の結果が2進分類を超えて拡張可能かどうかという興味深い疑問を残して,トランスダクティブモデルとPACモデルがより広範に等価であることを示す。
  論文  参考訳（メタデータ） (2024-05-08T16:26:49Z)
• Generalization Bounds: Perspectives from Information Theory and PAC-Bayes [31.803107987439784]
  PAC-Bayesianアプローチは、機械学習アルゴリズムの一般化機能に対処するための柔軟なフレームワークとして確立されている。 一般化に関する情報理論的な視点が発達し、一般化と様々な情報手段の関係が確立された。 本稿では,2つの視点が共通する手法と結果を提示し,異なるアプローチと解釈について議論する。
  論文  参考訳（メタデータ） (2023-09-08T15:23:40Z)
• Leveraging Explanations in Interactive Machine Learning: An Overview [10.284830265068793]
  説明はAIと機械学習(ML)コミュニティへの関心が高まっている。 本稿では,対話的能力と説明が組み合わさった研究の概要について述べる。
  論文  参考訳（メタデータ） (2022-07-29T07:46:11Z)
• Learning What Not to Segment: A New Perspective on Few-Shot Segmentation [63.910211095033596]
  近年では、FSS ( few-shot segmentation) が広く開発されている。 本稿では,問題を緩和するための新鮮で直接的な知見を提案する。 提案されたアプローチのユニークな性質を踏まえて、より現実的で挑戦的な設定にまで拡張する。
  論文  参考訳（メタデータ） (2022-03-15T03:08:27Z)
• A Characterization of Multiclass Learnability [18.38631912121182]
  DS次元はDanielyとShalev-Shwartz 2014によって定義された次元である。 リスト学習設定では、与えられた未知の入力に対して単一の結果を予測する代わりに、予測の短いメニューを提供することが目標である。 2つ目の主な成果は、多クラス学習の可能性を特徴づける中心的な候補であるナタラジャン次元に関するものである。
  論文  参考訳（メタデータ） (2022-03-03T07:41:54Z)
• Learning Relation Prototype from Unlabeled Texts for Long-tail Relation Extraction [84.64435075778988]
  本稿では,ラベルのないテキストから関係プロトタイプを学習するための一般的なアプローチを提案する。 我々は、エンティティ間の暗黙的な要因として関係プロトタイプを学習する。 私たちは、New York TimesとGoogle Distant Supervisionの2つの公開データセットで実験を行います。
  論文  参考訳（メタデータ） (2020-11-27T06:21:12Z)
• Learning to Decouple Relations: Few-Shot Relation Classification with Entity-Guided Attention and Confusion-Aware Training [49.9995628166064]
  本稿では,2つのメカニズムを備えたモデルであるCTEGを提案する。 一方、注意を誘導するEGA機構を導入し、混乱を引き起こす情報をフィルタリングする。 一方,コンフュージョン・アウェア・トレーニング(CAT)法は,関係の識別を明示的に学習するために提案されている。
  論文  参考訳（メタデータ） (2020-10-21T11:07:53Z)
• Unification of HDP and LDA Models for Optimal Topic Clustering of Subject Specific Question Banks [55.41644538483948]
  オンラインコースの人気が高まると、学者向けのコース関連クエリの数が増加することになる。 個々の質問に答えるのに費やす時間を短縮するために、それらをクラスタリングするのは理想的な選択です。 階層ディリクレプロセスを用いて、LDAモデルの実行に対して最適なトピック番号を入力します。
  論文  参考訳（メタデータ） (2020-10-04T18:21:20Z)
• Shifu2: A Network Representation Learning Based Model for Advisor-advisee Relationship Mining [82.75996880087747]
  本稿では,ネットワーク表現学習(NRL)に基づく新しいモデル,すなわちshifu2を提案する。 Shifu2は、コラボレーションネットワークを入力とし、特定アドバイザ・アドバイザー関係を出力とする。 そこで我々は,Shifu2を利用した大規模学術系譜データセットを作成した。
  論文  参考訳（メタデータ） (2020-08-17T05:40:06Z)
• Pairwise Supervision Can Provably Elicit a Decision Boundary [84.58020117487898]
  類似性学習は、パターンのペア間の関係を予測することによって有用な表現を引き出す問題である。 類似性学習は、決定境界を直接引き出すことによって二項分類を解くことができることを示す。
  論文  参考訳（メタデータ） (2020-06-11T05:35:16Z)

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。