Testable Learning of General Halfspaces under Massart Noise
可测试学习一般半空间在马萨尔噪声下的研究
机构 * UW Madison（威斯康星大学麦迪逊分校） ； UC San Diego（加州大学圣地亚哥分校）
AI总结 本文提出了一种可测试学习算法，用于在马萨尔噪声和高斯分布下学习一般半空间，其复杂度与已知下界相匹配，并引入了新的多项式近似方法。
高校专区
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
Sample Complexity Bounds for Robust Mean Estimation with Mean-Shift Contamination
在存在均值位移污染的情况下对鲁棒均值估计的样本复杂性界
机构 * UW Madison（威斯康星大学麦迪逊分校） ； UC San Diego（加州大学圣迭戈分校）
AI总结 本文研究了在均值位移污染模型下鲁棒均值估计的样本复杂性界，证明在基本分布满足谱条件时存在高效算法。
