Titre :

Bounds for Learning from Evolutionary-Related Data in the Realizable Case

Auteur(s) :

Kuželka, Ondřej [Auteur]
Cardiff University
Wang, Yuyi [Auteur]
Nanjing Institute of Geology and Palaeontology [NIGPAS-CAS]
Ramon, Jan [Auteur]
Machine Learning in Information Networks [MAGNET]

Titre de la manifestation scientifique :

International Joint Conference on Artificial Intelligence (IJCAI)

Ville :

New York

Pays :

Etats-Unis d'Amérique

Date de début de la manifestation scientifique :

2016-07-09

Titre de l’ouvrage :

IJCAI 2016

Titre de la revue :

Proceedings of the International Joint Conference on Artificial Intelligence (IJCAI) 2016

Date de publication :

2016-07-11

Mot(s)-clé(s) en anglais :

Machine learning
phylogenetics
Learning theory

Discipline(s) HAL :

Informatique [cs]/Intelligence artificielle [cs.AI]
Informatique [cs]/Bio-informatique [q-bio.QM]
Informatique [cs]/Théorie de l'information [cs.IT]
Statistiques [stat]/Machine Learning [stat.ML]

Résumé en anglais : [en]

This paper deals with the generalization ability of classifiers trained from non-iid evolutionary-related data in which all training and testing examples correspond to leaves of a phylogenetic tree. For the re-alizable ...
Lire la suite >This paper deals with the generalization ability of classifiers trained from non-iid evolutionary-related data in which all training and testing examples correspond to leaves of a phylogenetic tree. For the re-alizable case, we prove PAC-type upper and lower bounds based on symmetries and matchings in such trees.Lire moins >

Langue :

Anglais

Comité de lecture :

Oui

Audience :

Internationale

Vulgarisation :

Non

Projet Européen :

Mining Graphs and Networks: a Theory-based approach

Collections :

• Centre de Recherche en Informatique, Signal et Automatique de Lille (CRIStAL) - UMR 9189

Source :

Harvested from HAL