Notions of teaching and complexity in computational learning theory
- Ein zentraler Punkt im Design und der Analyse von Algorithmen im maschinellen Lernen ist die Menge an Informationen die einem Lernalgorithmus geliefert wird, damit dieser erfolgreich ist. In vielen Anwendungen ist diese Trainingsmenge entweder schwierig oder kostspielig zu erstellen und daher sind eingabeeffiziente Lernalgorithmen von großem Interesse. Daher ist eine Möglichkeit, die Komplexität eines Algorithmus zu messen, die Bestimmung der worst-case Anzahl der Eingabebeispiele die ein erfolgreicher Algorithmus benötigt.
In den vergangenen 20 Jahren wurden verschiedene Modelle definiert und analysiert, mit dem Ziel eine möglichst niedrige Informationskomplexität zu erreichen und die dahinterliegenden Mechanismen zu verstehen. Eines dieser kürzlich eingeführten Modelle ist das "recursive-teaching"-Modell und die zugehörige "recursive teaching dimension", das Hauptobjekt der Untersuchung dieser Arbeit.