ترجمه فارسی مقاله قضایای رمزی برای درختان و یک قضیه کلی "یادگیری خصوصی مستلزم یادگیری آنلاین است"

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Ramsey Theorems for Trees and a General 'Private Learning Implies Online Learning' Theorem
عنوان مقاله به فارسی قضایای رمزی برای درختان و یک قضیه کلی "یادگیری خصوصی مستلزم یادگیری آنلاین است"
نویسندگان Simone Fioravanti, Steve Hanneke, Shay Moran, Hilla Schefler, Iska Tsubari
فرمت مقاله انگلیسی PDF
تعداد صفحات 49
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Cryptography and Security,Data Structures and Algorithms,Combinatorics,Machine Learning,یادگیری ماشین , رمزنگاری و امنیت , ساختار داده ها و الگوریتم ها , ترکیبی , یادگیری ماشین ,
توضیحات Submitted 14 August, 2024; v1 submitted 10 July, 2024; originally announced July 2024.
توضیحات به فارسی ارسال شده در 14 اوت 2024 ؛V1 ارسال شده 10 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

This work continues to investigate the link between differentially private (DP) and online learning. Alon, Livni, Malliaris, and Moran (2019) showed that for binary concept classes, DP learnability of a given class implies that it has a finite Littlestone dimension (equivalently, that it is online learnable). Their proof relies on a model-theoretic result by Hodges (1997), which demonstrates that any binary concept class with a large Littlestone dimension contains a large subclass of thresholds. In a follow-up work, Jung, Kim, and Tewari (2020) extended this proof to multiclass PAC learning with a bounded number of labels. Unfortunately, Hodges's result does not apply in other natural settings such as multiclass PAC learning with an unbounded label space, and PAC learning of partial concept classes. This naturally raises the question of whether DP learnability continues to imply online learnability in more general scenarios: indeed, Alon, Hanneke, Holzman, and Moran (2021) explicitly leave it as an open question in the context of partial concept classes, and the same question is open in the general multiclass setting. In this work, we give a positive answer to these questions showing that for general classification tasks, DP learnability implies online learnability. Our proof reasons directly about Littlestone trees, without relying on thresholds. We achieve this by establishing several Ramsey-type theorems for trees, which might be of independent interest.

چکیده به فارسی (ترجمه ماشینی)

این کار همچنان به بررسی پیوند بین خصوصی متفاوت (DP) و یادگیری آنلاین می پردازد.آلون ، لیونی ، مالاریس و موران (2019) نشان دادند که برای کلاسهای مفهوم باینری ، یادگیری DP یک کلاس معین دلالت بر این دارد که دارای یک بعد لیتلستون محدود است (به طور معادل ، که به صورت آنلاین یادگیری است).اثبات آنها به نتیجه مدل نظری توسط هاجز (1997) متکی است ، که نشان می دهد هر کلاس مفهوم باینری با ابعاد بزرگ لیتلستون حاوی زیر کلاس بزرگی از آستانه ها است.در یک کار پیگیری ، یونگ ، کیم و Tewari (2020) این اثبات را به یادگیری PAC Multiclass با تعداد محدودی از برچسب ها گسترش دادند.متأسفانه ، نتیجه هاجز در سایر تنظیمات طبیعی مانند یادگیری PAC MultiClass با فضای برچسب بدون مرز و یادگیری PAC از کلاسهای مفهوم جزئی اعمال نمی شود.این به طور طبیعی این سؤال را ایجاد می کند که آیا یادگیری DP همچنان به معنای یادگیری آنلاین در سناریوهای عمومی تر است: در واقع ، آلون ، هانکه ، هولزمن و موران (2021) صریحاً آن را به عنوان یک سؤال باز در زمینه کلاسهای مفهوم جزئی رها می کنند ، و همین مواردسؤال در تنظیمات عمومی چند طبقه باز است.در این کار ، ما به این سؤالات پاسخ مثبتی می دهیم که نشان می دهد برای کارهای طبقه بندی عمومی ، یادگیری DP به معنای یادگیری آنلاین است.اثبات ما به طور مستقیم در مورد درختان لیتلستون ، بدون تکیه بر آستانه.ما با ایجاد چندین قضیه از نوع رمزی برای درختان ، که ممکن است مورد علاقه مستقل باشد ، به این هدف می رسیم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.