《人工智能系列读书班》活动12--计算学习理论

发布者:信息工程学院发布时间:2025-03-09浏览次数:110

    2025年3月6日,人工智能系列读书班活动迎来了2025年第三场报告会,张晓亮博士做了“计算学习理论”的研究内容分享,先后介绍了概率近似正确PAC(提供学习算法的性能保证,确保算法在有限样本下能够以高概率近似正确学习),PAC可学习、PAC学习算法、不可知PAC可学习、VC维(衡量机器学习模型复杂度的一个指标,表示模型能够正确分类的最大数据集容量)、Rademacher复杂度(用于评估机器学习模型的泛化能力,复杂度越低,泛化性能越好)、稳定性(若学习算法A满足风险最小化ERM且稳定的,则假设空间H可学习)等:  

图1 张晓亮博士主持“计算学习理论”讨论会

   自由讨论环节,大家讨论了PAC可学习、VC维的概念,以及多项式时间内可解决的问题等;又简要讨论了DeepSeek+知识库的构建、在徽菜上的分类效果以及DeepSeek+工作流的问题等。  

(总结:沈来信)