Learning from Good and Bad Data
Learning from Good and Bad Data
复制标题
从好数据和坏数据中学习
DOI：
--
复制
发表时间：
1988
期刊：
影响因子：
--
通讯作者：
P. Laird
中科院分区：
文献类型：
--
作者：
P. Laird
第一章从冷漠的教师看极限中的认同1、识别问题。1.1向冷漠的老师学习。1.2工作假设。1.3收敛。1.4总体战略。1.5现有研究的例子- 1.6基本定义- 1.7通用算法1.8其他评论- 2通过精炼识别。2.1序同态2.2精炼。- 2.2.1导言2.2.2向上和向下的优化。2.2.3摘要2.3通过精炼识别。2.4结论。3如何使用Refinements 3.1介绍。3.2三个有用的属性。3.3正规形式和单调运算。3.4通用精炼。3.4.1抽象表述。3.4.2小句形式句子的细化3.4.3电感偏置3.5结论。- 3.6第三章附录3.6.1逻辑符号和术语的总结。3.6.2定理3.32的证明。- 3.6.3图3.2的细化特性- II随机样本的概率识别4概率近似识别。4.1极限中的概率识别。4.2英勇的典范4.2.1 PAC-识别。4.2.2识别范式表达式。4.2.3 Valiant模型的相关结果4.3使用部分命令。4.4总结。5.从噪声例子中识别。5.1介绍。5.2先前的研究结果- 5.3分类噪声过程。5.4 PAC-识别。5.4.1有限类5.4.2无限类5.4.3估计噪声率？5.5极限中的概率识别。5.6识别范式表达式。5.7其他型号的噪音。5.8第五章附录6结论。
I Identification in the Limit from Indifferent Teachers.- 1 The Identification Problem.- 1.1 Learning from Indifferent Teachers.- 1.2 A Working Assumption.- 1.3 Convergence.- 1.4 A General Strategy.- 1.5 Examples from Existing Research.- 1.6 Basic Definitions.- 1.7 A General Algorithm.- 1.8 Additional Comments.- 2 Identification by Refinement.- 2.1 Order Homomorphisms.- 2.2 Refinements.- 2.2.1 Introduction.- 2.2.2 Upward and Downward Refinements.- 2.2.3 Summary.- 2.3 Identification by Refinement.- 2.4 Conclusion.- 3 How to Work With Refinements.- 3.1 Introduction.- 3.2 Three Useful Properties.- 3.3 Normal Forms and Monotonic Operations.- 3.4 Universal Refinements.- 3.4.1 Abstract Formulation.- 3.4.2 A Refinement for Clause-Form Sentences.- 3.4.3 Inductive Bias.- 3.5 Conclusions.- 3.6 Appendix to Chapter 3.- 3.6.1 Summary of Logic Notation and Terminology.- 3.6.2 Proof of Theorem 3.32.- 3.6.3 Refinement Properties of Figure 3.2.- II Probabilistic Identification from Random Examples.- 4 Probabilistic Approximate Identification.- 4.1 Probabilistic Identification in the Limit.- 4.2 The Model of Valiant.- 4.2.1 Pac-Identification.- 4.2.2 Identifying Normal-Form Expressions.- 4.2.3 Related Results about Valiant's Model.- 4.3 Using the Partial Order.- 4.4 Summary.- 5 Identification from Noisy Examples.- 5.1 Introduction.- 5.2 Prior Research Results.- 5.3 The Classification Noise Process.- 5.4 Pac-Identification.- 5.4.1 Finite Classes.- 5.4.2 Infinite Classes.- 5.4.3 Estimating the Noise Rate ?.- 5.5 Probabilistic Identification in the Limit.- 5.6 Identifying Normal-Form Expressions.- 5.7 Other Models of Noise.- 5.8 Appendix to Chapter 5.- 6 Conclusions.