Статистическая теория обучения
Statistical Learning Theory
1999-11-01
SCID: 54.1/bveavnhq
Discuss with AI
оценка функцийтеория обобщениясходимость обученияобучение на малых выборкахстатистическая теория обучения
Figures from the paper
Abstract (AI)
Всесторонний обзор теории обучения и обобщения. Статистическая теория обучения и обобщения касается проблемы выбора требуемых функций на основе эмпирических данных. Очень пригодная для различных областей информатики и робототехники, эта книга предлагает ясное изложение теории в целом. Представляя метод определения необходимых и достаточных условий согласованности процесса обучения, автор рассматривает оценку функций на основе небольших наборов данных, применение этих оценок к практическим задачам и многое другое.
Key Findings
1
Утверждается широкая применимость теории в областях информатики и робототехники через понятное и всестороннее изложение.
2
Рассмотрена оценка функций на основе небольших выборок и применение этих оценок к реальным задачам.
3
Представлена единая статистическая теория обучения и обобщения, ориентированная на выбор функций по эмпирическим данным.
4
Предложен метод определения необходимых и достаточных условий согласованности (consistency) процесса обучения.
Research Object
Статистическая теория обучения и обобщения (процессы обучения, выбирающие функции на основе эмпирических данных)
Research Subject
Условия согласованности и обобщения процессов обучения, включая оценку функций по небольшим выборкам данных и применение к практическим задачам
Publication Details
Publication Date
1999-11-01
Journal
Publisher
ISSN
Cited by
26899
Access Type
Author Information
Download PDF
Subscribe to digest
Работы, цитирующие эту статью17
Градиентное обучение для распознавания документов1998
Data Mining: концепции и методы2012
Гауссовы процессы для машинного обучения2005
Модель графовой нейронной сети2008
mixup: За пределами эмпирической минимизации риска2017
Полуобучение2006
Теория обучения на данных из различных областей2009
Методы оптимизации для крупномасштабного машинного обучения2018
Обзор обучения с полуучителем2019
К стремлению к обучению причинных представлений2021
Унифицирующий обзор глубоких и поверхностных методов обнаружения аномалий2021
Моделирование на основе данных: прошлый опыт и новые подходы2007
Обзор подходов к интеллектуальному анализу данных в здравоохранении2013
Машинное обучение универсального межатомного потенциала для кремния2018
Исследование факторов, определяющих эффективность машинного обучения при прогнозировании приспособленности белков2025
Оптимизация, робастная к распределениям, на основе данных с использованием метрики Вассерштейна: гарантии эффективности и допускающие эффективное решение переформулировки2017
Предсказание внутренней неупорядоченности белков с учетом длины2006