Четное обучение - проблема машинного обучения . Алгоритм , который решает эту проблему , необходимо найти функцию ƒ , учитывая некоторые образцы ( х , ƒ ( х )) , а также гарантии того, что ƒ вычисляет четность битов в некоторых фиксированных точках. Образцы генерируются с использованием некоторого распределения по входу. Проблему легко решить, используя метод исключения Гаусса, при условии, что в алгоритм предоставляется достаточное количество выборок (из распределения, которое не слишком искажено).
Шумная версия («Обучение паритету с шумом»)
При обучении четности с шумом (LPN) образцы могут содержать некоторую ошибку. Вместо выборок ( x , ƒ ( x )) алгоритм снабжен ( x , y ), где для случайного логического
Предполагается, что зашумленная версия проблемы обучения четности является сложной. [1]
Смотрите также
Рекомендации
- ^ Вассерман, Хэл; Калаи, Адам; Блюм, Аврим (2000-10-15). «Шумоустойчивое обучение, проблема четности и статистическая модель запроса». arXiv : cs / 0010022 .
- Аврим Блюм, Адам Калаи и Хэл Вассерман, «Шумоустойчивое обучение, проблема четности и модель статистических запросов», J. ACM 50, no. 4 (2003): 506–519.
- Адам Тауман Калаи, Ишай Мансур и Элад Вербин, «Об агностическом повышении и паритетном обучении», в материалах 40-го ежегодного симпозиума ACM по теории вычислений (Виктория, Британская Колумбия, Канада: ACM, 2008), 629–638, http : //portal.acm.org/citation.cfm? id = 1374466 .
- Одед Регев, «О решетках, обучении с ошибками, случайных линейных кодах и криптографии», в материалах тридцать седьмого ежегодного симпозиума ACM по теории вычислений (Балтимор, Мэриленд, США: ACM, 2005), 84–93, http : //portal.acm.org/citation.cfm? id = 1060590.1060603 .