Theoretische Informatik machine-learning

2

Ich habe meinen Schülern das Problem zugeteilt, ein Dreieck zu finden, das mit einer Ansammlung von Punkten in R 2 übereinstimmt , die mit ± 1 gekennzeichnet sind . (A Dreieck T ist konsistent mit der markierten Probe , wenn T alle positiven und keines der negativen Punkte enthält, durch …

13 cg.comp-geom machine-learning lg.learning convex-geometry

1

Was ist der Kompromiss zwischen der Populationsgröße und der Anzahl der Generationen in genetischen Algorithmen

Genetische Algorithmen entwickeln sich in weniger Generationen mit einer größeren Population, benötigen aber auch länger, um eine Generation zu berechnen. Gibt es einige Richtlinien für die Abwägung dieser beiden Faktoren, um so bald wie möglich zu einer tragfähigen Lösung zu gelangen? Ist dies auch der beste Ort für die Frage?

13 ds.algorithms machine-learning genetic-algorithms

3

Algorithmen für statistische Abfragemodelle?

Ich habe diese Frage in übergreifenden Fragen und Antworten gestellt, aber es scheint, dass sie viel mehr mit CS zu tun hat als mit Statistik. Können Sie mir Beispiele für Algorithmen des maschinellen Lernens nennen, die aus den statistischen Eigenschaften des Datensatzes und nicht aus den einzelnen Beobachtungen selbst lernen, …

13 lg.learning machine-learning

1

Rechenleistung neuronaler Netze?

Angenommen, wir haben ein einschichtiges neuronales Feed-Forward-Netzwerk mit k Eingängen und einem Ausgang. Es berechnet eine Funktion aus . Es ist ziemlich leicht zu erkennen, dass diese mindestens die gleiche Rechenleistung wie A C 0 hat . Nur zum Spaß nennen wir den Satz von Funktionen, die von einem neuronalen …

13 cc.complexity-theory circuit-complexity machine-learning ne.neural-evol

1

Referenzanforderung: Submodulare Minimierung und monotone Boolesche Funktionen

Hintergrund: Beim maschinellen Lernen arbeiten wir häufig mit grafischen Modellen , um Funktionen mit hoher dimensionaler Wahrscheinlichkeitsdichte darzustellen. Wenn wir die Einschränkung, dass eine Dichte zu 1 integriert (summiert), verwerfen, erhalten wir eine nicht normalisierte graphstrukturierte Energiefunktion . Angenommen, wir haben eine solche Energiefunktion , die in einem Graphen . …

13 reference-request machine-learning lg.learning boolean-functions

12

Was sind einige reale Anwendungen für genetische Algorithmen?

Was sind einige reale Probleme, die mit einem genetischen Algorithmus gelöst wurden? Worin besteht das Problem? Was ist der Fitnesstest, um dieses Problem zu lösen?

13 ds.algorithms machine-learning ai.artificial-intel application-of-theory ne.neural-evol

5

Warum kann maschinelles Lernen Primzahlen nicht erkennen?

Angenommen, wir haben eine Vektordarstellung einer beliebigen ganzen Zahl der Größe n, V_n Dieser Vektor ist die Eingabe für einen maschinellen Lernalgorithmus. Erste Frage: Für welche Art von Darstellungen ist es möglich, die Primalität / Zusammensetzung von n unter Verwendung eines neuronalen Netzwerks oder einer anderen Vektor-zu-Bit-ML-Abbildung zu lernen. Dies …

13 co.combinatorics machine-learning primes

3

Wann sollte das Lemma von Johnson-Lindenstrauss über SVD verwendet werden?

Das Johnson-Lindenstrauss-Lemma ermöglicht die Darstellung von Punkten in einem hochdimensionalen Raum in Punkte in einer niedrigeren Dimension. Wenn Sie am besten passende Räume mit niedrigeren Dimensionen finden, besteht eine Standardtechnik darin, die Singularwertzerlegung zu finden und dann den durch die größten Singularwerte erzeugten Unterraum zu nehmen. Wann ist es von …

12 machine-learning

5

Clustering-Algorithmus für nicht dimensionale Daten

Ich habe einen Datensatz mit Tausenden von Punkten und ein Mittel zum Messen des Abstands zwischen zwei beliebigen Punkten, aber die Datenpunkte haben keine Dimensionalität. Ich möchte, dass ein Algorithmus Cluster-Zentren in diesem Datensatz findet. Ich stelle mir vor, dass ein Clusterzentrum aus mehreren Datenpunkten und einer Toleranz besteht, da …

12 machine-learning lg.learning clustering

2

Komplexität von Computerabfragen beim SQ-Lernen

Es ist bekannt, dass es für das PAC-Lernen natürliche Konzeptklassen gibt (z. B. Untergruppen von Entscheidungslisten), für die es polynomielle Lücken zwischen der Komplexität der Stichprobe, die für das informationstheoretische Lernen durch einen rechnerisch unbegrenzten Lernenden benötigt wird, und der Komplexität der Stichprobe, die von einem Polynom benötigt wird. Zeitlerner. …

12 machine-learning lg.learning sample-complexity

1

Gegeben

Hier ist ein Problem mit einem ähnlichen Geschmack wie beim Lernen von Juntas: Eingabe: Eine Funktion f: { 0 , 1 }n→ { - 1 , 1 }f:{0,1}n→{−1,1}f: \{0,1\}^n \rightarrow \{-1,1\} , dargestellt durch ein Mitgliedschaftsorakel, dh ein Orakel, das xxx , gibt f( x )f(x)f(x) . Ziel: Finden Sie …

11 machine-learning lg.learning boolean-functions sample-complexity

1

Wie bilden Datenbankaggregationen ein Monoid?

Auf cs.stackexchange fragte ich nach der Algebird- Scala-Bibliothek auf Github und spekulierte darüber, warum sie möglicherweise ein abstraktes Algebra-Paket benötigen. Die Github-Seite enthält einige Hinweise: Implementierungen von Monoiden für interessante Approximationsalgorithmen wie Bloom-Filter, HyperLogLog und CountMinSketch. Mit diesen können Sie sich diese ausgefeilten Vorgänge wie Zahlen vorstellen und sie in …

11 soft-question machine-learning linear-algebra db.databases

1

Ergebnisse der unteren Grenzen / Härte von Noisy Parity (LWE)

Einige Hintergrundinformationen: Ich bin daran interessiert, "weniger bekannte" Untergrenzen (oder Härteergebnisse) für das Problem "Lernen mit Fehlern" (LWE) und Verallgemeinerungen wie "Lernen mit Fehlern über Ringe" zu finden. Für spezifische Definitionen usw. finden Sie hier eine schöne Umfrage von Regev: http://www.cims.nyu.edu/~regev/papers/lwesurvey.pdf Der Standardtyp der Annahme im (R) LWE-Stil ist die …

11 cc.complexity-theory reference-request cr.crypto-security machine-learning lg.learning

1

Untergrenzen für das Lernen in der Mitgliedschaftsabfrage und im Gegenbeispielmodell

Dana Angluin ( 1987 ; pdf ) definiert ein Lernmodell mit Mitgliedschaftsabfragen und theoretischen Abfragen (Gegenbeispiele zu einer vorgeschlagenen Funktion). Sie zeigt, dass eine reguläre Sprache, die durch einen minimalen DFA von Zuständen dargestellt wird, in Polynomzeit (wobei die vorgeschlagenen Funktionen DFAs sind) mit O ( m n 2 ) …

11 cc.complexity-theory machine-learning lower-bounds lg.learning query-complexity

5

Gibt es eine auf Gradientenabstieg basierende Technik zum Suchen des absoluten Minimums (Maximums) einer Funktion im mehrdimensionalen Raum?

Ich bin mit dem Gradientenabstiegsalgorithmus vertraut, der das lokale Minimum (Maximum) einer bestimmten Funktion ermitteln kann. Gibt es eine Modifikation des Gradientenabfalls, die es ermöglicht, ein absolutes Minimum (Maximum) zu finden, bei dem die Funktion mehrere lokale Extrema hat? Gibt es allgemeine Techniken, um einen Algorithmus zu verbessern, der lokales …

11 ds.algorithms approximation-algorithms machine-learning

Als «machine-learning» getaggte Fragen