고차원 샘플 압축 (High-arity Sample Compression)
요약
이 논문은 학습 이론의 개념을 제품 공간에 적용하는 '고차원 학습 이론'이라는 새로운 연구 분야를 다룹니다. 특히, 샘플 압축 방식의 고차원 변형을 고려하여, 비자명한 품질의 고차원 샘플 압축 방식의 존재가 곧 고차원 PAC 학습 가능성을 함의함을 수학적으로 증명합니다.
핵심 포인트
- 연구는 '고차원 학습 이론(high-arity learning theory)'이라는 새로운 패러다임을 제시하며, 이는 학습 이론 개념을 제품 공간에 적용하는 것을 포함한다.
- 핵심 주제는 샘플 압축 방식의 고차원 변형을 분석하는 것이다.
- 논문은 비자명한 품질의 고차원 샘플 압축이 존재할 경우, 해당 시스템이 '고차원 PAC 학습 가능성(high-arity PAC learnability)'을 가진다는 것을 증명한다.
Computer Science > Machine Learning
제목: 고차원 샘플 압축 (High-arity Sample Compression)
PDF 보기 HTML 보기 (실험적)
초록:
최근 들어, 학습 이론의 개념들을 제품 공간(product spaces)에 적용하는 변형들에 대한 연구가 시작되었으며, 이는 '고차원 학습 이론(high-arity learning theory)'이라는 이름으로 묶일 수 있습니다. 본 논문에서는 샘플 압축 방식의 고차원 변형을 고려하고, 비자명한 품질의 고차원 샘플 압축 방식의 존재는 고차원 PAC 학습 가능성(high-arity PAC learnability)을 함의함을 증명합니다.
참고 문헌 및 인용 도구
본문, 데이터 및 미디어 연관
데모
추천 및 검색 도구
arXivLabs: 커뮤니티 협력자와 함께하는 실험적 프로젝트
arXivLabs는 협력자들이 새로운 arXiv 기능을 직접 웹사이트에 개발하고 공유할 수 있도록 하는 프레임워크입니다.
arXivLabs와 함께 작업하는 개인과 조직들은 개방성(openness), 커뮤니티(community), 우수성(excellence), 사용자 데이터 프라이버시라는 우리의 가치를 받아들이고 동의했습니다. arXiv는 이러한 가치에 전념하며, 이를 준수하는 파트너와만 협력합니다.
arXiv 커뮤니티에 가치를 더할 프로젝트 아이디어가 있으신가요? arXivLabs에 대해 자세히 알아보기.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.LG의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기