Publications associées à Apprentissage PAC

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Robust Generalization via $\alpha$-Mutual Information

Michael Christoph Gastpar, Amedeo Roberto Esposito, Ibrahim Issa

The aim of this work is to provide bounds connecting two probability measures of the same event using Rényi

\alpha

-Divergences and Sibson’s

\alpha

-Mutual Information, a generalization of respectively the Kullback-Leibler Divergence and Shannon’s Mutual ...

ETHZ2020

Apprentissage PAC

Graph Chatbot

Chattez avec Graph Search

Landscape and training regimes in deep learning

Generalization Error Bounds Via Rényi-, f-Divergences and Maximal Leakage

Robust Generalization via $\alpha$-Mutual Information

Efficiently Learning Fourier Sparse Set Functions

Solvent fluctuations and nuclear quantum effects modulate the molecular hyperpolarizability of water

ABC Reinforcement Learning

A Large Margin Algorithm for Forced Alignment

PAC-Bayesian Generalization Error Bounds for Gaussian Process Classification

Generalization Error Bounds Via Rényi-, f-Divergences and Maximal Leakage

Landscape and training regimes in deep learning

Robust Generalization via $\alpha$-Mutual Information

Efficiently Learning Fourier Sparse Set Functions

Solvent fluctuations and nuclear quantum effects modulate the molecular hyperpolarizability of water

ABC Reinforcement Learning

A Large Margin Algorithm for Forced Alignment

PAC-Bayesian Generalization Error Bounds for Gaussian Process Classification