关于损失和基于不确定性的主动学习算法的收敛性
原文中文，约400字，阅读约需1分钟。发表于：。我们研究了在各种假设下，损失和基于不确定性的主动学习算法的收敛速度。首先，我们给出了一组条件，用于线性分类器和线性可分数据集，以展示对基于损失采样和不同损失函数的收敛速度保证。其次，我们提供了一个框架，通过应用已知的随机梯度下降算法的收敛速度保证，来推导基于损失采样的收敛速度界限。最后，我们提出了一种主动学习算法，它结合了点采样和随机 Polyak...
本文研究了基于不确定性的主动学习算法的收敛速度，通过线性分类器和线性可分数据集展示了基于损失采样和不同损失函数的收敛速度保证，推导了基于损失采样的收敛速度界限，并提出了一种结合了点采样和随机Polyak步长的主动学习算法，证明了其对平滑凸损失函数的收敛速度保证。
