大数据下的PAC-Bayesian学习理论综述
杨雪冰; 张文生; 杨阳
2015
发表期刊山西大学学报(自然科学版)
卷号38期号:3页码:413-419
摘要概率近似正确(PAC)是研究“可学习”的理论框架。近年来,研究人员融合贝叶斯方法与不依赖分布的PAC性能度量提出了所谓的PAC-Bayesian学习理论。该理论因其对于任意概念空间任意测度的先验均能给出泛化误差界而在人工智能的不同领域的相关算法分析中得到广泛应用。本文综述了PAC-Bayesian学习理论的由来及其核心思想,进而结合大数据的特点,论述了PAC-Bayesian适合于大数据相关算法的理论分析。
其他摘要The theory of Probably Approximately Correct (PAC) is a framework for the study of learnable. In recent years, researchers combined Bayesian method with distribution-free PAC guarantees and proposed so-called PAC-Bayesian learning theory. This theory has been widely used in different fields of Artificial Intelligence to analyze related algorithms for the given generalization error bounds can apply to an arbitrary prior measure on an arbitrary concept space. This paper surveys the derivation of PAC-Bayesian learning theory and its core ideas. Further, considering the characteristics of big data, this paper discusses why PAC-Bayesian is useful for theoretical analysis of the related algorithms for big data.
关键词Pac-bayesian界 学习理论 贝叶斯学习 大数据
文献类型期刊论文
条目标识符http://ir.ia.ac.cn/handle/173211/19677
专题精密感知与控制研究中心_人工智能与机器学习
通讯作者张文生
作者单位中国科学院自动化研究所
推荐引用方式
GB/T 7714
杨雪冰,张文生,杨阳. 大数据下的PAC-Bayesian学习理论综述[J]. 山西大学学报(自然科学版),2015,38(3):413-419.
APA 杨雪冰,张文生,&杨阳.(2015).大数据下的PAC-Bayesian学习理论综述.山西大学学报(自然科学版),38(3),413-419.
MLA 杨雪冰,et al."大数据下的PAC-Bayesian学习理论综述".山西大学学报(自然科学版) 38.3(2015):413-419.
条目包含的文件 下载所有文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
大数据下的PAC-Bayesian学习理(748KB)期刊论文作者接受稿开放获取CC BY-NC-SA浏览 下载
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[杨雪冰]的文章
[张文生]的文章
[杨阳]的文章
百度学术
百度学术中相似的文章
[杨雪冰]的文章
[张文生]的文章
[杨阳]的文章
必应学术
必应学术中相似的文章
[杨雪冰]的文章
[张文生]的文章
[杨阳]的文章
相关权益政策
暂无数据
收藏/分享
文件名: 大数据下的PAC-Bayesian学习理论.pdf
格式: Adobe PDF
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。