申请试用
HOT
登录
注册
 
利用样本压缩方案学习高斯混合近乎密集的样本复杂度界

利用样本压缩方案学习高斯混合近乎密集的样本复杂度界

White&Black
/
发布于
/
4210
人观看
我们证明样本对于学习中的k高斯混合是必要且充分的,直到整体偏差距离误差ε。这改善了该问题已知的上限和下限。对于轴对齐高斯分布的混合,我们证明样本足够,匹配已知的下界。上限是基于一种基于样本压缩概念的分布式学习新技术。任何一类允许这种样本压缩方案的分布也可以通过很少的样本来学习。我们的主要结果是证明了中的高斯类具有有效的样本压缩。
0 点赞
1 收藏
1下载
相关文档
确认
3秒后跳转登录页面
去登陆