A Bernstein-type inequality for some mixing processes and dynamical systems with an application to learning
部分混合过程与动力系统的Bernstein型不等式及其学习应用AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要属于依赖数据下的通用集中与学习理论，出现分位数回归不足以认定其研究微观分布效应。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
部分混合过程与动力系统的Bernstein型不等式及其学习应用
- 研究问题
- 研究具有时间依赖的随机过程与离散动力系统能否获得接近独立同分布情形的集中界，以及相应统计学习算法的收敛表现。
- 方法与思路
- 作者建立适用于若干混合过程和动力系统的Bernstein型不等式，再推导正则化经验风险最小化的预言不等式及学习速率。
- 材料陈述的贡献
- 摘要称，集中界除对数因子和常数外接近独立情形；高斯核支持向量机的分类、最小二乘和分位数回归速率也接近相应基准。
- 阅读关注点
- 应核对过程类别及混合条件、对数损失和常数的依赖关系，并查看预言界如何转化为各学习任务的速率及所需正则条件。
- 阅读边界
- OpenAlex索引摘要未注明稿件版本；具体过程条件、最优速率的比较范围和证明未提供，不能将速率陈述推广到任意依赖数据。
原文摘要
We establish a Bernstein-type inequality for a class of stochastic processes that includes the classical geometrically $\phi$-mixing processes, Rio’s generalization of these processes and many time-discrete dynamical systems. Modulo a logarithmic factor and some constants, our Bernstein-type inequality coincides with the classical Bernstein inequality for i.i.d. data. We further use this new Bernstein-type inequality to derive an oracle inequality for generic regularized empirical risk minimization algorithms and data generated by such processes. Applying this oracle inequality to support vector machines using the Gaussian kernels for binary classification, we obtain essentially the same rate as for i.i.d. processes, and for least squares and quantile regression; it turns out that the resulting learning rates match, up to some arbitrarily small extra term in the exponent, the optimal rates for i.i.d. processes.