题目： Consistency Theory in Machine Learning 报告人： 高尉 博士 南京大学 摘要： 学习理论伴随机器学习的起源、对机器学习的发展有着重要的指导与支撑作用。泛化性是学习理论关注的一个根本问题，研究通过训练数据学习所得的模型对未见数据是否具有良好的推广能力，本报告前一部分将简要回顾泛化性理论的研究历程。伴随着大数据时代的带来，越来越多可用的数据能在一定程度上缓解了模型的泛化性问题，但学习理论中算法的一致性(即渐进正确性)则显得日益重要，其研究训练得到的模型是否会随训练数据的增加而渐进趋于Bayes最优模型。本报告后一部分将介绍一致性理论的相关背景，以及我们在一致性理论研究的进展，并基于理论启发探索有效的学习方法。
