Algorithmic Learning Theory (конференция)
Материал из MachineLearning.
(Различия между версиями)
(ALT) |
(ALT) |
Текущая версия
Algorithmic Learning Theory — международная научная конференция по теории вычислительного обучения.
Основные направления конференции
- Сравнительный анализ различных моделей обучения, разработка и оценивание новых алгоритмов в рамках таких устоявшихся направлений, как
- индуктивный вывод (inductive inference),
- теория статистического обучения (statistical learning theory),
- динамическое обучение (on-line learning),
- модели запросов (query models),
- обучение без учителя (unsupervised learning),
- частичное обучение (semi-supervised learning),
- активное обучение (active learning).
- Анализ теоретических свойств (обобщающей способности, сходимости, вычислительной эффективности) существующих алгоритмов, таких как бустинг, SVM, байесовские сети, графовые модели, латентные модели, кластеризация, минимизация длины описания, решающие деревья, методы на основе теории информации.
- Определение и анализ новых моделей обучения. Идентификация и формализация классов задач, неадекватно описываемых существующими теориями и моделями. Разработка специальных моделей для актуальных прикладных задач.
