Ich meine speziell Sprachfamilien, die beliebig lange Zeichenfolgen zulassen - keine Konjunktionen über n Bits oder Entscheidungslisten oder eine andere "einfache" Sprache, die in {0,1} ^ n enthalten ist.
Ich frage nach "automatentheoretischen" regulären Sprachen im Gegensatz zu "logiktheoretischen" Sprachen: so etwas wie stückweise testbare Sprachen, Sprachen mit Starthöhe Null, lokal testbare Sprachen, so etwas. Der relevante Komplexitätsparameter n ist die Größe des minimal akzeptierenden DFA. Kurz gesagt: Gibt es eine interessante Familie von DFAs im n-Zustand, von denen bekannt ist, dass sie effizient PAC-lernbar sind?
Antworten:
Auf der LICS 2010 gibt es ein aktuelles Ergebnis zur Polynom-Pac-Lernfähigkeit semilinearer Mengen: Parikh-Bilder regulärer Sprachen: Komplexität und Anwendungen . Ich denke, das ist nicht das, wonach Sie suchen.
Sie sollten auch einen Blick auf das Papier von Clark und Thollard werfen: PAC-Lernbarkeit probabilistischer deterministischer endlicher Zustandsautomaten
quelle
Dieses Papier gibt einen guten Hinweis auf das PAC-Lernergebnis für stückweise Sprachen: Lernen von linear trennbaren Sprachen
Die Arbeit von Clark & Thollard wurde von Castro & Gavalda so verfeinert, dass sie genau zu dem passt, was Sie suchen: Hin zu realisierbaren probabilistischen deterministischen endlichen PAC-Lernautomaten
Und diese Arbeit ist eine gute Antwort auf die erste Frage: Zur Lernbarkeit von Shuffle-Idealen . Einer der Autoren ist wahrscheinlich dieselbe Person, die die Frage früher hier gestellt hat, aber ich habe diese Seite gefunden, indem ich an diesem Problem gearbeitet habe, und habe gerade dieses Papier gefunden: Es könnte anderen helfen, diese Referenz zu haben.
quelle