ベイズ統計学に基づく計算論的学習モデルと学習可能性

参考文献17件

書誌事項

タイトル別名
  • Based on Bayesian Statistics the Computational Learning Model and its Learnability

この論文をさがす

説明

L.Valiantによって提案されたPAC学習モデルやS.MuggletonらのU-Learningモデルでは, 事前分布を学習基準の評価に利用するか否かという違いはあるが, アルゴリズムが事前確率を利用しないという点は共通である. 一方, ベイズアルゴリズムは事前確率を利用したアルゴリズムであり, ベイズ流の最適性が保証される. しかし, 一般的に事後確率の計算や平均損失を最小にする決定を探索する手続きは, 計算量的に膨大である. 本稿はこれらの点を考慮し, ベイズアルゴリズムを考える場合にsample complexityだけでなくtime complexityも考えた学習モデルの枠組を導入する. このモデルでは分布族の複雑さと仮説の複雑さの両方によってcomplexityが決定される. このcomplexityの下で, ベイズ学習可能性という新しい概念を提案し, 典型的な概念クラスについて学習可能性を明らかにする.またその性質についても述べ, 有効性を示す.

収録刊行物

参考文献 (17)*注記

もっと見る

キーワード

詳細情報 詳細情報について

  • CRID
    1570854177377388672
  • NII論文ID
    110003191284
  • NII書誌ID
    AN10013152
  • 本文言語コード
    ja
  • データソース種別
    • CiNii Articles

問題の指摘

ページトップへ