跳到正文
arXiv · ML· Xin Wang (Jeff), R. Tyrrell Rockafellar (Jeff), Xuegang (Jeff), Ban·· 2026-10-14AI 评分21

提出方向性影响函数(DIF)以解决约束学习中的数据影响估计可靠性问题

Constraint-Aware Influence Estimation in Deep Constrained Learning

AI 导读

论文提出方向性影响函数(DIF),将约束学习的最优性条件转化为变分不等式,解决经典影响函数在约束设置下估计违背可行性的问题。 在约束线性回归中,DIF 可恢复留一法重训练结果,而经典影响函数及惩罚方法存在显著偏差;在公平性约束 CNN 中,DIF 准确预测数据移除后的测试损失变化。 DIF 被证明是约束学习中进行数据归因的高效可靠工具,提升了模型的可解释性与鲁棒性分析能力。

来源:arXiv · ML · arxiv.org