Questions théoriques sur l'apprentissage automatique, en particulier la théorie de l'apprentissage informatique, y compris la théorie de l'apprentissage algorithmique, l'apprentissage PAC et l'inférence bayésienne
Mon doctorat est en mathématiques pures, et j’avoue que je ne sais pas grand chose (c’est-à-dire quoi que ce soit) en CS théorique. Cependant, j'ai commencé à explorer des options non académiques pour ma carrière et en m'initiant à l'apprentissage automatique, j'ai trouvé des affirmations telles que "Personne ne comprend …
J'enseigne un cours d'algorithmes avancés et j'aimerais inclure quelques sujets liés à l'apprentissage automatique qui intéresseront mes étudiants. En conséquence, j'aimerais entendre l'opinion des gens sur les résultats algorithmiques actuellement les plus intéressants / les plus importants en apprentissage automatique. La contrainte potentiellement délicate est que les élèves n'auront aucune …
Nous savons que (voir, par exemple, les théorèmes 1 et 3 de [1]), en gros, dans des conditions appropriées, des fonctions qui peuvent être efficacement calculées par la machine de Turing en temps polynomial ("efficacement calculable") peuvent être exprimées par des réseaux de neurones polynomiaux avec des tailles raisonnables, et …
Regardons l'avenir dans une trentaine d'années. Soyons optimistes et supposons que les domaines liés à l'apprentissage automatique continuent de se développer aussi rapidement que ce que nous avons vu au cours des 10 dernières années. Ce serait formidable, mais alors quel serait le rôle de l'algorithmique traditionnelle dans un tel …
Dans les tests de propriétés de graphe, un algorithme interroge un graphe cible pour la présence ou l'absence d'arêtes et doit déterminer si la cible a une certaine propriété ou est ϵϵ\epsilon loin d'avoir la propriété. (Un algorithme peut être demandé pour réussir avec une face ou deux faces d' …
Voici une abstraction d'un problème d'apprentissage en ligne / bandit sur lequel j'ai travaillé l'été. Je n'ai jamais vu un problème comme celui-ci auparavant, et cela semble assez intéressant. Si vous connaissez un travail connexe, j'apprécierais les références. Le problème Le réglage est celui des bandits multi-armés. Vous avez N …
J'étudie actuellement les mathématiques. Cependant, je ne pense pas vouloir devenir mathématicien professionnel à l'avenir. Je pense appliquer mes connaissances en mathématiques pour faire de la recherche en intelligence artificielle. Cependant, je ne sais pas combien de cours de mathématiques je devrais suivre. (Et quels cours de théorie CS je …
Est-il possible de tester algorithmiquement si un nombre calculable est rationnel ou entier? En d'autres termes, serait-il possible pour une bibliothèque qui implémente des nombres calculables de fournir les fonctions isIntegerou isRational? Je suppose que ce n'est pas possible, et que cela est en quelque sorte lié au fait qu'il …
Nous savons (pour le moment environ 40 ans, merci Adleman, Bennet et Gill) que l'inclusion BPP P / poly, et un BPP / poly P / poly encore plus fort . Le "/ poly" signifie que nous travaillons de manière non uniforme (un circuit séparé pour chaque longueur d'entrée ), …
Edit: Comme je n'ai reçu aucune réponse / commentaire en une semaine, je voudrais ajouter que je suis heureux d'entendre quoi que ce soit sur le problème. Je ne travaille pas dans la région, donc même si c'est une simple observation, je ne le sais peut-être pas. Même un commentaire …
Il est connu via le théorème d'approximation universel qu'un réseau neuronal avec même une seule couche cachée et une fonction d'activation arbitraire peut approximer n'importe quelle fonction continue. Quels sont les autres modèles qui sont également des approximateurs de fonctions universelles
Contexte Les fonctions dans sont PAC apprenables en temps quasi-polynomial avec un algorithme classique qui nécessite des requêtes choisies au hasard pour apprendre un circuit de profondeur d [1]. S'il n'y a pas d' algorithme de factorisation alors c'est optimal [2]. Bien sûr, sur un ordinateur quantique, nous savons comment …
La propagation de la croyance s'est avérée être une méthode très puissante grâce à la recherche de modèles graphiques probabilistes. Cependant, je ne connais rien de BP comparable aux méthodes MCMC où nous pouvons avoir des schémas d'approximation randomisés entièrement polynomiaux (FPRAS) pour les problèmes # P-complets. Quelqu'un pourrait-il m'indiquer …
Il me semble que les experts en apprentissage automatique / exploration de données connaissent bien P et NP, mais parlent rarement de certaines des classes de complexité les plus subtiles (par exemple NC, BPP ou IP) et de leurs implications pour une analyse efficace des données. Y a-t-il une enquête …
Un algorithme de test de distribution pour une propriété de distribution P (qui n'est qu'un sous-ensemble de toutes les distributions sur [n]) est autorisé à accéder aux échantillons en fonction d'une distribution D, et doit décider (whp) si ou ( voici généralement la distance ℓ 1 ). La mesure de …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.