是否有已知可以真正通过PAC学习的正式语言族？

我具体指的是允许任意长字符串的语言族-而不是n位或决策列表上的并列或{0,1} ^ n中包含的任何其他“简单”语言。

我要问的是“自动理论”的常规语言，而不是“逻辑理论”的常规语言：诸如分段可测试语言，起始高度为零的语言，本地可测试语言之类的东西。相关的复杂度参数n是最小接受DFA的大小。因此，简而言之：是否有一个有趣的n-state DFA系列，已知可以通过PAC进行有效学习？

在LICS 2010上，关于半线性集的多项式pac可学习性的最新结果是：常规语言的Parikh图像：复杂性和应用。我想这不是您想要的。

您还应该看看Clark和Thollard的论文：概率确定性有限状态自动机的PAC可学习性

本文为分段语言的PAC学习结果提供了很好的提示：学习线性可分离语言

Castro＆Gavalda改进了Clark＆Thollard的工作，使其适合您的需求：走向可行的PAC学习概率确定性有限自动机

这项工作很好地回答了最初的问题：关于“洗牌理想”的可学习性。其中一位作者可能是以前在这里提出问题的同一人，但是我通过研究该问题找到了此页面，并且刚刚找到了这篇论文：可能会对其他人有所帮助。