Retarded Learning 的严格下界
无序系统与神经网络
2009-11-07 v1
摘要
我们指出，Herschkowitz 和 Opper [Phys.Rev.Lett. 86, 2174 (2001)] 确定的推断（学习）概率分布各向异性轴方向所需数据临界比例的下界并不总是有效。如果数据在各向异性轴上存在某种结构，则他们的分析不正确，学习所需的数据点数可以大大减少。
引用
@article{arxiv.cond-mat/0201256,
title = {Rigorous Bounds to Retarded Learning},
author = {Arnaud Buhot and Mirta B. Gordon and Jean-Pierre Nadal},
journal= {arXiv preprint arXiv:cond-mat/0201256},
year = {2009}
}
备注
1 page, 1 figure. Comment accepted for publication in Physical Review Letters