Toutes les news taguées avec ce sujet.
Un nouveau cadre PAC pour les jeux stochastiques concurrents garantit un équilibre de Nash ou certifie son inexistence.
L'ajout d'exemples correctement étiquetés par un adversaire monotone dégrade les taux d'apprentissage d'un facteur logarithmique.
Des chercheurs proposent un algorithme atteignant la borne de risque statistiquement optimale pour l'apprentissage PAC agnostique.