कुछ पृष्ठभूमि:
मैं सीखने के लिए "कम-ज्ञात" कम सीमा (या कठोरता के परिणाम) को एरर्स (एलडब्ल्यूई) की समस्या के साथ सीखने में रुचि रखता हूं, और इसके लिए सामान्य ज्ञान जैसे रिंगों के साथ सीखना। विशिष्ट परिभाषाओं आदि के लिए, यहाँ रेगेव द्वारा एक अच्छा सर्वेक्षण किया गया है: http://www.cims.nyu.edu/~regev/papers/lwesurvey.pdf
(आर) एलडब्ल्यूई-शैली की धारणा का मानक प्रकार है (शायद, क्वांटम) घटाव वेक्टर समस्या पर (शायद, आदर्श) अक्षांशों पर। एसवीपी के सामान्य सूत्रीकरण को एनपी-हार्ड के रूप में जाना जाता है, और छोटे बहुपद कारकों के लिए अनुमानित होने के लिए यह विश्वसनीय है। (संबंधित: यह लगभग / बहुपद / कारकों के लिए CVP अनुमानित करने के लिए मुश्किल है: http://dl.acm.org/citation.cfm?id=1005180.1005182 ) मैंने यह भी सुना है कि इसका उल्लेख किया है (क्वांटम एल्गोरिदम के संदर्भ में) छोटे बहुपद सन्निकटन कारकों के लिए कुछ जाली समस्याओं (एसवीपी की तरह) को गैर-एबेलियन छिपी उपसमूह समस्या (जो अपने स्वयं के कारणों के लिए कठिन माना जाता है) से संबंधित है, हालांकि मैंने इसके लिए एक स्पष्ट, औपचारिक स्रोत कभी नहीं देखा है।
मैं अधिक रुचि रखता हूं, हालांकि, कठोरता के परिणामों में (किसी भी प्रकार का) जो लर्निंग थ्योरी से शोर पराई समस्या के परिणामस्वरूप आता है। ये जटिलता वर्ग कठोरता परिणाम, ठोस एल्गोरिथम कम सीमा, नमूना जटिलता सीमा, या यहां तक कि प्रमाण आकार कम सीमा (जैसे संकल्प) हो सकते हैं। यह ज्ञात है (शायद, स्पष्ट रूप से) कि एलडब्ल्यूई को शोर समानता (लर्निंग) के साथ शोर समानता (लर्निंग पेरिटी) के सामान्यीकरण के रूप में देखा जा सकता है, जो (गोग्लिंग से) प्रतीत होता है कि कोडिंग सिद्धांत और पीएसी के क्षेत्रों में कठोरता में कमी का उपयोग किया गया है सीख रहा हूँ।
अपने चारों ओर देखने से, मैंने केवल LPN समस्या पर उदाहरण के लिए (हल्के रूप से सब-एक्सपोनेंशियल) UPPER BOUNDS पाया है, जैसे http://www.di.ens.fr/~lyubash/papers/parityproblem.pdf
सवाल:
मुझे पता है कि LPN सीखने वाले समुदाय में BELEDVED HARD है। मेरा सवाल है: क्यों?
क्या ऐसा इसलिए है क्योंकि हर किसी ने वास्तव में कड़ी मेहनत की है, लेकिन किसी को अभी तक एक अच्छा एल्गोरिथ्म नहीं मिला है? क्या इटैलिकाइज्ड किस्म के निचले हिस्से ऊपर ज्ञात हैं (या अन्य जिन्हें मैंने छोड़ दिया था)?
यदि उत्तर बहुत स्पष्ट है, जो ज्ञात है और / या सर्वेक्षण / व्याख्यान नोटों के संदर्भ में एक संक्षिप्त सारांश बहुत अच्छा होगा।
यदि बहुत अधिक अज्ञात है, तो "अत्याधुनिक" पेपर अधिक बेहतर हैं। :) (समय से पहले धन्यवाद!)