「構造的リスク最小化」に基づく機械学習アルゴリズム？

（SVMのほかに）どの機械学習アルゴリズムが構造的リスク最小化の原理を使用していますか？

多くの場合、過剰適合が考慮されるため、構造的リスク最小化の原則は、すべての機械学習方法で少なくとも部分的に「使用」される原則です。モデルの複雑さを減らすことは、（おそらく実際には）制限するための良い方法です過適合。

• SVMには、複雑度（特徴空間の次元、またはカーネル関数）のパラメーターが明示的にあり、複雑度の増加は学習アルゴリズムの一部であるため、これは必要です。

• 神経回路網はまた、それらの複雑さ（「細胞」の数）の簡単な指標を持ち、関連する学習アルゴリズムの一部です。

• この原則がなければ、文法推論は愚かであり、完全な文法はすべての可能な単語のリストであるため、すべての重要なアルゴリズムは少なくともこの原則を認めます。

• 決定木には、独自のエントロピーの概念があります。

• クラスタは単に数えたりすることができます種類「使用」の原理を本質的にまたはクラスタ数が固定されていますし、その場合には、あなたがより高いレベルでの原則を適用します。

完全に正直に言うと、私は遺伝的プログラミングで何が起こるかについて本当に知りませんが、それらには本質的に複雑さの概念はありません。

私は帰納論理プログラミングをよく知りませんが、この原理にうまく対応していないようです。