山西大学学报(自然科学版)

2015, v.38;No.149(03) 413-419

[打印本页] [关闭]
本期目录 | 过刊浏览 | 高级检索

大数据下的PAC-Bayesian学习理论综述
A Survey of PAC-Bayesian Learning Theory for Big Data

杨雪冰;张文生;杨阳;

摘要(Abstract):

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不同领域的相关算法分析中得到广泛应用。文章综述了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。

关键词(KeyWords): PAC-Bayesian界;;学习理论;;贝叶斯学习;;大数据

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金重点项目(U1135005)

作者(Author): 杨雪冰;张文生;杨阳;

Email:

参考文献(References):

文章评论(Comment):

序号(No.) 时间(Time) 反馈人(User) 邮箱(Email) 标题(Title) 内容(Content)
反馈人(User) 邮箱地址(Email)
反馈标题(Title)
反馈内容(Content)
扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享