Alguma classe de hipótese diferente da paridade no PAC ruidoso, mas não no SQ?

Angluin e Laird ('88) formalizaram o aprendizado com dados corrompidos aleatoriamente no modelo "PAC com ruído de classificação aleatória" (ou ruído barulhento). Esse modelo é semelhante ao aprendizado do PAC , exceto que os rótulos dos exemplos dados ao aluno estão corrompidos (invertidos), independentemente aleatoriamente, com probabilidade .$\eta < 1/2$

Para ajudar a caracterizar o que é aprendível no modelo PAC barulhento, Kearns ('93) introduziu o modelo Statistical Query (SQ) para aprendizado. Nesse modelo, um aluno pode consultar um oráculo estatístico em busca de propriedades da distribuição de destino e mostrou que qualquer classe que é aprendida em SQ é aprendida em um PAC barulhento. Kearns também provou que paridades em variáveis ​​não podem ser aprendidas em tempo mais rápido que para alguma constante .$n$$2^{n/c}$$c$

Então Blum et al. ('00) separou o PAC ruidoso do SQ, mostrando que as paridades no primeiro são aprendidas em tempo polinomial no modelo PAC ruidoso, mas não no modelo SQ.$(\log(n) \log\log(n))$

Minha pergunta é esta:

Paridades (nas primeiras variáveis ) são aprendidas no modelo PAC barulhento, mas não no modelo SQ. Existem outras classes específicas, suficientemente diferentes da paridade, conhecidas por serem aprendidas no PAC barulhento, mas não no SQ?$(\log(n) \log\log(n))$

$d/\epsilon^2$$1/\epsilon$

$1/2-n^{-\epsilon}$