随机步模型下Parities阈值及矩形联合的学习
机器学习
2011-09-07 v1 计算复杂性
概率论
摘要
在最近的突破中,[Bshouty等，2005]获得了在均匀分布下对DNFs的第一个被动学习算法。他们表明DNFs在Random Walk和Noise Sensitivity模型中是可学习的。我们在多个方向上扩展了他们的结果。首先，我们指出，parities的阈值——一种自然的包含DNFs的类——不能仅使用统计查询在Noise Sensitivity模型中高效学习。在相反的情况下，我们表明，循环版本的Random Walk模型允许高效多项式加权阈值学习parities。我们还将Bshouty等人的算法推广到Union of Rectangles的情况，这是DNFs在{0,...,b-1}^n上的自然推广。
引用
@article{arxiv.cs/0605048,
title = {On Learning Thresholds of Parities and Unions of Rectangles in Random Walk Models},
author = {S. Roch},
journal= {arXiv preprint arXiv:cs/0605048},
year = {2011}
}