学习算法的稳定性与泛化(Ⅱ):有界差分稳定框架

• 作者: 张海 徐宗本 曾锦山
• 来源期刊: 高校应用数学学报A辑
• 学科: 数学
• 关键词: 学习理论 稳定性 泛化性 有界差分稳定
• 年，卷（期）: 2011,（1）
• 页码范围: 1-11
• 分类号: O236
• 字数: 9432字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-4424.2011.01.001

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐宗本	西安交通大学信息与系统科学研究所	127	2204	23.0	43.0
2	张海	西安交通大学信息与系统科学研究所	42	143	6.0	9.0
6	曾锦山	西安交通大学信息与系统科学研究所	1	5	1.0	1.0