Scifaro

中文

随机线性时不变系统的 PAC-Bayesian 理论

机器学习 2021-03-29 v2 机器学习

作者: Deividas Eringis , John Leth , Zheng-Hua Tan , Rafal Wisniewski , Alireza Fakhrizadeh Esfahani , Mihaly Petreczky

在 arXiv 上查看 ↗ PDF ↗

摘要

本文推导了自主随机线性时不变（LTI）状态空间模型的 PAC-Bayesian 误差界。推导此类误差界的动机在于，它们将允许为更一般的动力系统（包括循环神经网络）推导类似的误差界。反之，已知 PAC-Bayesian 误差界对于分析机器学习算法以及推导新算法是有用的。

关键词

PAC-Bayesian 随机 LTI 系统状态空间模型误差界动力系统循环神经网络

引用

@article{arxiv.2103.12866,
  title  = {PAC-Bayesian theory for stochastic LTI systems},
  author = {Deividas Eringis and John Leth and Zheng-Hua Tan and Rafal Wisniewski and Alireza Fakhrizadeh Esfahani and Mihaly Petreczky},
  journal= {arXiv preprint arXiv:2103.12866},
  year   = {2021}
}