arXiv · ML· Noga Alon, Steve Hanneke, Shay Moran, Tom Waknine·· 6 小时前AI 评分35
统一收敛在最优速率与尺度下的最优样本复杂度
Uniform convergence at optimal rate and scale
AI 导读
该研究建立了实值函数类在最优尺度下实现统一收敛的尖锐样本复杂度，解决了此前结果只能兼顾最优尺度或最优样本量的问题。 通过引入带裕度的ε网、扩展Haussler覆盖引理至部分概念类，并在最优尺度下推导链式边界，实现误差为γ+ε且样本量为d/ε²量级的理论统一。 ```
来源：arXiv · ML · arxiv.org