Rademacher learning rates for iterated random functions

Most supervised learning methods assume training data is drawn from an i.i.d. sample. However, real-world problems often exhibit temporal dependence and strong correlations between marginals of the data-generating process, rendering the i.i.d. assumption unrealistic. Such cases naturally involve tim...

Celý popis

Podrobná bibliografie

Vydáno v:	Journal of Complexity Ročník 91; s. 101971
Hlavní autor:	Sandrić, Nikola
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier Inc 01.12.2025
Témata:	Approximate empirical risk minimization algorithm Iterated random function Rademacher complexity Wasserstein distance Approximate empirical risk minimization algorithm 68W40 68T10 Rademacher complexity Wasserstein distance 60J05 Iterated random function
ISSN:	0885-064X
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!