合作澳门威尼斯人注册网站研究：CIF：小型：从多个有偏见的来源学习

赞助单位：美国国家科学基金会

奖励编号：CCF-2007350

文摘:

人工智能领域，尤其是机器学习，关注的是通过从过去的任务中学习来自动化任务的执行。例子包括对图像进行分类和成功通过迷宫。经典的机器学习方法假设过去发生的任务，或训练数据，准确地表示任务的未来发生情况。然而，在许多应用中，训练数据是从多个来源提取的，这些来源反映了不同质量程度的未来事件。例子包括由众包用户标记的图像或随机模拟迷宫的导航。这个项目的目标是发展从多偏见来源学习的理论基础。这项工作将受到上述众包和自主导航以及视频监控和核威胁探测应用的推动。这项澳门威尼斯人注册网站研究将支持密歇根大学和波士顿大学的博士和本科生的跨学科发展。

为了实现这些目标，澳门威尼斯人注册网站研究人员将为目前几乎没有理论存在的四大类机器学习问题建立理论基础：(1)来自多个损坏源的分类，(2)重叠非参数聚类的聚类，(3)Sim2Real强化学习和(4)零射击学习。这个项目的理论贡献将采取泛化误差界限、遗憾界限和样本复杂性界限的形式，同时也尽可能强调无分布或一般非参数模型。为了解决从多个来源提取和汇总有偏见信息的挑战，分析将开发新的技术工具，包括加权Rademacher复杂度，来自有偏见的强盗反馈的遗憾分析，以及用于密度估计的oracle不等式，这些工具可能会在其他学习环境中得到应用。这项工作所产生的澳门威尼斯人注册网站研究将突出从多个来源学习的独特特征，包括与多个样本量相关的各种问题。更一般地说，该澳门威尼斯人注册网站研究开发了在批处理和顺序学习设置以及各种源间依赖模型下集成异构数据源的原则方法。

该奖项反映了美国国家科学基金会的法定使命，并通过使用基金会的知识价值和更广泛的影响审查标准进行评估，被认为值得支持。

更多信息请点击这里