近日，中國人民大學高瓴人工智能學院師生共有一篇論文被IEEE TIT錄用，IEEE Transactions on Information Theory（IEEE TIT）期刊是中國計算機學會（CCF）推薦的A類期刊，是國際公認的理論計算機科學與信息論領域的頂級期刊，享有卓越的學術聲譽。這是人大高瓴人工智能學院師生首次在該期刊發表論文。

論文介紹

論文題目：Optimal Rates for Agnostic Distributed Learning

作者：李健，劉勇，王偉平

通訊作者：劉勇

論文概述：現有的分布式核嶺回歸（DKRR）的最優泛化理論通常需要一個嚴苛的假設，即目標函數屬于假設空間中。然而，在實際的復雜任務中，目標函數往往在假設空間之外（學習任務是不可知的）。針對該問題，本文移除了“目標函數屬于假設空間”的強假設，通過細化DKRR的泛化理論分析證明DKRR在不可知情況下仍能達到最優泛化誤差收斂率。具體而言，本文首先推導出對經驗和期望協方差算子之間差異更為精細的估計，從而放松對目標函數的約束；然后利用額外的無標簽示例減少標簽無關的誤差項，進一步將最優誤差界擴展到更多不可知學習的情況。本文不僅推導了DKRR在期望意義下的最優泛化誤差界，還證明了高概率意義下的最優泛化誤差界。最后，通過理論對比、對比實驗，證明了本文理論具有更好的統計適用性和計算效率。