Naar inhoud
BetaAI Begrippen

AI-begrippen in gewone taal. Zoek een begrip, blader op letter of filter op onderwerp.

Computationele leertheorie

Engels: Computational learning theory · Ook wel: computational learning theory

In het kort

Computationele leertheorie is een deel van de theoretische informatica dat algoritmes voor machine learning ontwerpt en analyseert. Het vakgebied onderzoekt vooral leren met gelabelde voorbeelden en bepaalt hoeveel voorbeelden een algoritme nodig heeft en of die berekening in polynomiale tijd, dus binnen een haalbare rekentijd, klaar is. Dit soort analyse leverde praktische methoden op, want uit waarschijnlijk ongeveer correct leren ontstond boosting en uit de VC-theorie kwamen support vector machines.

Waarom is dit belangrijk?

Teams kunnen vooraf een grens stellen aan de fout van een leermethode en zo bepalen wanneer extra gegevens weinig opleveren. In de robotica kost een zoekmethode die veel voorbeelden nodig heeft veel berekeningen, alsof het systeem elke situatie apart naloopt. Op school en op het werk helpt dat bij een realistische beoordeling, want zonder beperking op taken leert geen methode elke taak goed met eindig veel voorbeelden.

Zo werkt het in de praktijk

Bij actief leren past men computationele leertheorie toe: het algoritme vraagt labels voor zelf gekozen invoer, zodat de kost van veel labels daalt. Bayesiaanse inferentie uit hetzelfde vakgebied leverde ook geloofsnetwerken op.

Onderzoek vergelijkt modellen met andere aannames over generalisatie uit beperkte gegevens. Exact leren, van Dana Angluin, en online leren, uit het werk van Nick Littlestone, horen bij die modellen. Elk model legt vast hoe een algoritme een algemene regel afleidt.

Empirisch risicominimalisatie, een werkwijze die het model met de kleinste fout op de trainingsdata kiest, hoort bij deze theorie. Tikhonov-regularisatie voegt een straf toe voor een complex model. Daardoor blijven de geleerde functies consistenter op nieuwe gegevens.

Bron: en.wikipedia.org

Gecontroleerd op 5 november 2026