Resumen

Muchos resultados de generalización en la teoría del aprendizaje se establecen bajo la suposición de que las muestras son independientes e idénticamente distribuidas (i.i.d.). Sin embargo, numerosas tareas de aprendizaje en aplicaciones prácticas involucran datos dependientes del tiempo. En este documento, proponemos un marco teórico para analizar el rendimiento de generalización del principio de minimización del riesgo empírico (ERM) para secuencias de muestras dependientes del tiempo (TDS). En particular, primero presentamos el límite de generalización del principio de ERM para TDS. Al introducir algunas cantidades auxiliares, también realizamos un análisis adicional de las propiedades de generalización y los comportamientos asintóticos del principio de ERM para TDS.

• Materias:Ecuaciones en diferencias Ecuación unidimensional Filtrado de información Prevención de interbloqueos Sistemas estocásticos
• Subjects:Difference equations One-dimensional equation Information filtering Interlock prevention Stochastic systems
• Palabras claves:Generalización; Teoría del aprendizaje; Muestras; Datos dependientes del tiempo; Minimización del riesgo empírico; Principio de ERM
• Keywords:Generalization; Learning theory; Samples; Time-dependent data; Empirical risk minimization; ERM principle