パリティ学習のための効率的なカリキュラム学習モデル

カリキュラム学習(CL)を用いることで、パリティ関数を効率的に学習できることを示す。特に、2段階のCLを用いることで、一様分布の下でのパリティ学習の計算量を大幅に削減できる。一方で、ハミング混合関数はある種のCL戦略では学習が困難であることを示す。