基于马尔可夫抽样的感知机模型的学习性能分析

来源：应用数学学报杂志2025年第5期北京时间：

作者：胡淑兰, 钱智勇, 王人和, 王新宇

单位：1 中南财经政法大学统计与数学学院, 数字技术与现代金融学科创新引智基地, 武汉 430073;<br>2 中南财经政法大学文澜学院, 数字技术与现代金融学科创新引智基地, 武汉 430073

摘要：感知机模型是机器学习和人工智能领域的二元分类算法. 本文在独立同分布样本的传统框架基础上, 利用Hoeffding不等式研究了基于马尔可夫样本的感知机模型的学习性能. 研究确定了基于一致遍历马尔可夫链样本的感知机模型泛化误差的边界, 验证了误差收敛的一致性, 并引入了ueMC-PM算法, 数值实验表明: 基于一致遍历马尔可夫链样本的感知机模型产生的分类错误率更低.

关键词：学习性能,马尔可夫抽样,感知机模型,一致遍历马尔可夫链