Публикация:Boucheron 2004 Concentration inequalities
Материал из MachineLearning.
(Различия между версиями)
(Новая: <includeonly>{{Статья|PageName = Публикация:Boucheron 2004 Concentration inequalities |автор = Boucheron S. |автор2 = Lugosi G. |автор3 = Bousquet...) |
(→Аннотация) |
||
| Строка 35: | Строка 35: | ||
}} | }} | ||
== Аннотация == | == Аннотация == | ||
| - | [[Концентрация вероятностной меры|Неравенства концентрации меры]] (concentration inequalities) описывают отклонение функций | + | [[Концентрация вероятностной меры|Неравенства концентрации меры]] (concentration inequalities) описывают отклонение функций независимых случайных величин от их математического ожидания. |
В последнее время были разработаны новые подходы, позволяющие получать простые и в то же время достаточно мощные неравенства. | В последнее время были разработаны новые подходы, позволяющие получать простые и в то же время достаточно мощные неравенства. | ||
Эти неравенства играют важную роль в исследовании ряда задач [[Машинное обучение|машинного обучения]] и привели к получению новых эффективных алгоритмов. | Эти неравенства играют важную роль в исследовании ряда задач [[Машинное обучение|машинного обучения]] и привели к получению новых эффективных алгоритмов. | ||
Текущая версия
Boucheron S., Lugosi G., Bousquet O. Concentration inequalities // Advanced Lectures in Machine Learning. — Springer, 2004. — С. 208-240.
| BibTeX: |
@incollection{boucheron2004concentration,
author = "Boucheron S. and Lugosi G. and Bousquet O.",
title = "Concentration inequalities",
booktitle = "Advanced Lectures in Machine Learning",
publisher = "Springer",
pages = "208-240",
url = "http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.98.8724&rep=rep1&type=pdf",
year = "2004",
language = russian
}
|
Аннотация
Неравенства концентрации меры (concentration inequalities) описывают отклонение функций независимых случайных величин от их математического ожидания. В последнее время были разработаны новые подходы, позволяющие получать простые и в то же время достаточно мощные неравенства. Эти неравенства играют важную роль в исследовании ряда задач машинного обучения и привели к получению новых эффективных алгоритмов. В статье представлен краткий обзор основных из них.
