Категория:Теория вычислительного обучения
Материал из MachineLearning.
(Различия между версиями)
м |
(шаблон) |
||
| Строка 2: | Строка 2: | ||
'''Теория вычислительного обучения''' (Computational Learning Theory, COLT) изучает методы построения и анализа алгоритмов, обучаемых по прецедентам. Она сосредоточена на получении строгих математических результатов. Основные направления исследований — [[вычислительная сложность]] алгоритмов и [[переобучение|проблема переобучения]]. | '''Теория вычислительного обучения''' (Computational Learning Theory, COLT) изучает методы построения и анализа алгоритмов, обучаемых по прецедентам. Она сосредоточена на получении строгих математических результатов. Основные направления исследований — [[вычислительная сложность]] алгоритмов и [[переобучение|проблема переобучения]]. | ||
| - | + | {{Tip|Содержание= | |
| - | + | Список статей на этой странице генерируется автоматически. | |
| + | Чтобы статья попала в данную категорию, в конец статьи необходимо добавить строку: | ||
| + | <pre> | ||
| + | [[Категория:Теория вычислительного обучения]] | ||
| + | </pre> | ||
| + | }} | ||
[[Категория:Машинное обучение]] | [[Категория:Машинное обучение]] | ||
Версия 22:29, 29 марта 2008
Теория вычислительного обучения (Computational Learning Theory, COLT) изучает методы построения и анализа алгоритмов, обучаемых по прецедентам. Она сосредоточена на получении строгих математических результатов. Основные направления исследований — вычислительная сложность алгоритмов и проблема переобучения.
| {{{1}}} |
Статьи в категории «Теория вычислительного обучения»
В этой категории 21 статья.
