Neue Studie zeigt: Lernbarkeit von Verteilungsklassen bei adaptiven Gegnern
In einer aktuellen Veröffentlichung auf arXiv wird die Frage untersucht, wie gut Lernalgorithmen Verteilungsklassen erkennen können, wenn sie von adaptiven Gegnern herausgefordert werden. Diese Gegner können die vom Lernenden angeforderten Stichproben abfangen, verändern und anschließend weiterleiten – und zwar mit vollem Wissen über die Daten.
