跳到正文
热点事件持续更新

SGLD深度回归统计与隐私保证研究

1 篇报道1 个报道来源23 小时前更新

先了解这件事

AI 综述

2026年11月6日,Yeheng Ge等人发布基于随机梯度Langevin动力学(SGLD)训练深度非参数回归模型的研究。该成果利用PAC-Bayesian分析,建立了同时涵盖网络逼近误差、统计复杂度及算法代价的超额风险界,为模型提供统计与隐私保证。

AI 根据报道生成 · 22 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月6日
  1. arXiv · ML
    SGLD 训练深度 M-回归的统计与隐私保证

    研究基于随机梯度 Langevin 动力学(SGLD)训练的深度非参数回归模型,利用 PAC-Bayesian 分析建立了同时考虑网络逼近误差、统计复杂度及算法代价的超额风险界。

本事件热度走势

可比范围当前
5
可比范围峰值
1011月6日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。