2010 · 理论与算法

学习究竟意味着什么？

PAC 学习为机器学习的泛化能力提供了精确语言。

莱斯利·瓦利安特

2010图灵奖

视觉指南

奖项，化为图解

阅读图解文字

数学学习模型帮助区分关于数据、样本数量和计算效率的不同假设。

保证依赖样本、假设类别和数据分布等明确条件。

01 · 核心想法

莱斯利·瓦利安特提出了可能近似正确的学习模型，并在计数复杂性、代数计算与并行计算上作出重要贡献。PAC 学习问的是：在什么条件下，样本能让我们得到一个假设，并以较高概率在同一分布的新数据上只犯较小错误？

数学学习模型帮助区分关于数据、样本数量和计算效率的不同假设。

02 · 人物

莱斯利·瓦利安特建立数学模型，研究计算机能够高效学习和计算什么。他的“可能近似正确”学习框架，使从样本学习成为复杂性理论的精确研究对象。他也研究计数复杂性与并行计算。他在哈佛把算法、人工智能和大脑模型联系起来，探索在时间与信息有限时能够形成哪些能力。

03 · 延伸阅读

本站原创讲解依据官方获奖记录。领域标签用于编辑导航。