跳到正文
热点事件持续更新

深层非参数回归最优罚最小二乘估计量提出

1 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

arXiv上的一篇新论文建立了深度 ReLU 网络在分裂谱范数乘积约束下的近似理论,并在此基础上提出了用于深度非参数回归的罚最小二乘估计器。 该估计器的核心优势在于,它在保持 Lipschitz 常数均匀有界的前提下,实现了仅差对数因子的最优非参数收敛速率,解决了相关理论难题。 此外,研究还证实了该估计器在对抗性输入扰动下的鲁棒性,并给出了两阶段学习的最优预测速率,完善了相关理论体系。

AI 根据报道生成 · 12 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19日
  1. arXiv · ML
    具有均匀有界 Lipschitz 常数的最优深度非参数回归

    该论文建立了深度 ReLU 网络在分裂谱范数乘积约束下的近似理论,并提出了深度非参数回归的罚最小二乘估计器。 该估计器在保持 Lipschitz 常数均匀有界的同时,实现了仅差对数因子的最优非参数收敛速率。 研究证实了该估计器在对抗性输入扰动下的鲁棒性,并给出了两阶段学习的最优预测速率。

本事件热度走势

可比范围当前
7
可比范围峰值
1011月19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。