项目名称: 学习理论中相似度量学习及相关课题的研究
项目编号: No.11401524
项目类型: 青年科学基金项目
立项/批准年度: 2014
项目学科: 数理科学和化学
项目作者: 郭正初
作者单位: 浙江大学
项目金额: 22万元
中文摘要: 在学习理论的标准框架中,损失函数一般是基于单个样本的。基于单样本损失函数的学习算法在学习理论中已有广泛的研究,本项目将利用逼近论的方法对基于双样本损失函数的学习算法进行深入研究,主要考虑排序型在线学习算法和相似度量学习算法。随着大数据时代的到来,在线算法因其低计算量而受到越来越多人的关注,本项目首先将研究排序型在线学习算法,对算法的相容性和学习率进行分析。其次,在机器学习中,选择一个合适的度量对学习任务有很重要的作用。目前有关相似度量学习的理论研究仅限于算法的泛化能力方面。本项目旨在完善相似度量学习的理论框架,即给出算法完整的误差分析,包括样本误差和逼近误差的估计。最后,因在现实应用中,数据中的非线性结构往往不能用线性度量来刻画,本项目拟利用经验特征对线性度量非线性化,并进一步研究相似度量学习与目标任务之间的理论联系。
中文关键词: 学习理论;逼近论;相似度量学习;在线学习;分布式学习
英文摘要: In the standard framework of learning theory, the loss function is based on a single example. Learning algorithms associated with such loss functions have been widely studied in the literature of learning theory. In this project we study learning in the c
英文关键词: Learning Theory;Approximation Theory;Similarity Metric Learning;Online Learning;Distributed Learning