学习算法的稳定性与泛化(Ⅱ):有界差分稳定框架 |
| |
作者姓名: | 曾锦山 张海 徐宗本 |
| |
作者单位: | 1. 西安交通大学,信息与系统科学研究所,陕西西安,710049 2. 西安交通大学,信息与系统科学研究所,陕西西安,710049;西北大学,数学系,陕西西安,710069 |
| |
基金项目: | 国家重点基础研究计划(973)(2007CB311002); 国家自然科学基金(60975036); 陕西省教育厅科研计划(08Jk473) |
| |
摘 要: | 根据有界差分条件,提出了学习算法的有界差分稳定框架.依据新框架,研究了机器学习阈值选择算法,再生核Hilbert空间中的正则化学习算法,Ranking学习算法和Bagging算法,证明了对应学习算法的有界差分稳定性.所获结果断言了这些算法均具有有界差分稳定性,从而为这些算法的应用奠定了理论基础.
|
关 键 词: | 学习理论 稳定性 泛化性 有界差分稳定 |
本文献已被 CNKI 万方数据 等数据库收录! |
|