Hesablama öyrənmə nəzəriyyəsi
| Maşın öyrənməsi və intellektual verilənlərin analizi |
|---|
 |
Hesablama öyrənmə nəzəriyyəsi — maşın öyrənməsinin öyrənmə alqoritmlərinin hansı şərtlər altında mümkün, səmərəli və ümumiləşdirilə bilən olduğunu formal və riyazi üsullarla araşdıran nəzəri sahəsidir.[1][2] Bu sahə öyrənmənin hesablama mürəkkəbliyini, nümunə mürəkkəbliyini və modelin ümumiləşdirmə qabiliyyətini təhlil edir.[3]
Tarixi
[redaktə | vikimətni redaktə et]Hesablama öyrənmə nəzəriyyəsinin formalaşmasında əsas dönüş nöqtələrindən biri Leslie Valiantın 1984-cü ildə təqdim etdiyi PAC modeli olmuşdur.[1] Bu model öyrənməni “yəqinən təxminən doğru” öyrənmə kimi formallaşdırmış və hansı anlayış siniflərinin məqbul sayda nümunə və hesablama resursu ilə öyrənilə biləcəyini öyrənməyə imkan vermişdir.[1][2]
Əsas anlayışları
[redaktə | vikimətni redaktə et]Hesablama öyrənmə nəzəriyyəsində mərkəzi anlayışlardan biri PAC öyrənmədir.[1] Bu yanaşmada məqsəd yüksək ehtimalla az xəta verən hipotez tapmaqdır.[1] Digər mühüm anlayış Vapnik-Çervonenkis ölçüsü və ya VC ölçüsüdür; bu, hipotez sinfinin ifadə gücünü və öyrənilə bilmə xüsusiyyətlərini xarakterizə edən kombinator ölçüdür.[3][4]
Bu sahədə həmçinin nümunə mürəkkəbliyi, ümumiləşdirmə xətası, agnostik öyrənmə, onlayn öyrənmə və sorğu əsaslı öyrənmə kimi anlayışlar da öyrənilir.[2][3]
Maşın öyrənməsində rolu
[redaktə | vikimətni redaktə et]Hesablama öyrənmə nəzəriyyəsi praktik alqoritmlərin niyə işlədiyini, hansı hallarda işləmədiyini və model mürəkkəbliyinin necə seçilməli olduğunu izah etməyə kömək edir.[3] Bu sahə nəzarətli öyrənmə, onlayn öyrənmə, statistik öyrənmə nəzəriyyəsi və ümumiyyətlə alqoritmik ümumiləşdirmə problemləri üçün nəzəri əsas yaradır.[2][3]
Həmçinin bax
[redaktə | vikimətni redaktə et]İstinadlar
[redaktə | vikimətni redaktə et]- 1 2 3 4 5 Valiant, Leslie G. "A Theory of the Learnable". Communications of the ACM. 27 (11). 1984: 1134–1142. doi:10.1145/1968.1972.
- 1 2 3 4 Turán, György. A Survey of Some Aspects of Computational Learning Theory // Fundamentals of Computation Theory. Lecture Notes in Computer Science. 529. Springer. 1991. 89–103. doi:10.1007/3-540-54458-5_53.
- 1 2 3 4 5 El Naqa, Issam; Chien, Jen-Tzung. Computational Learning Theory // Machine and Deep Learning in Oncology, Medical Physics and Radiology. Springer. 2022. 17–26. doi:10.1007/978-3-030-83047-2_2.
- ↑ Vapnik, V. N.; Chervonenkis, A. Ya. "On the Uniform Convergence of Relative Frequencies of Events to Their Probabilities". Theory of Probability and Its Applications. 16 (2). 1971: 264–280.