相依观察值下新的伯恩斯坦不等式及其在学习理论中的应用

• 作者: 唐远炎 徐婕 李落清 邹斌
• 来源期刊: 应用概率统计
• 关键词: 集中不等式 β-混合 马氏链 一致偏差 经验风险最小化
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 学术论文
• 页码范围: 570-584
• 页数: 15页
• 字数: 3529字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4268.2014.06.002

摘要

经典的集中不等式描述了基于独立同分布随机变量的函数与其数学期望的偏离程度,并且这些不等式在统计学和机器学习理论中都有许多重要的应用.在本文,我们超出了独立同分布随机变量这个经典框架来建立了基于β-混合序列、一致遍历马氏链的两个新的伯恩斯坦不等式.作为这些不等式的应用,我们又建立了基于β-混合序列的经验风险最小化算法的一致偏差速率的界.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李落清	湖北大学数学与统计学学院	19	64	4.0	7.0
2	邹斌	湖北大学数学与统计学学院	15	30	3.0	4.0
3	唐远炎	澳门大学科技学院	4	12	3.0	3.0
4	徐婕	湖北大学计算机与信息工程学院	12	23	3.0	4.0