局部自适应神经网络训练方法达到局部最优速率
热点事件持续更新
局部自适应神经网络训练方法达到局部最优速率
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
论文《Training Neural Networks to be Locally Adaptive》提出一种局部自适应神经网络训练方法:对每个查询点,仅使用其最近的 k 个样本训练局部模型。作者称,在目标函数局部满足 α-Hölder 条件、协变量支撑于 d 维流形时,适当选择 k 可使逐点风险达到 n^{-2α/(2α+d)} 的 minimax 最优速率(至对数因子)。 由于目标函数的局部光滑度通常未知,作者还提出可随查询点自适应选择 k 的方法,同时适应局部 Hölder 指数和内在维度的变化,并以模拟实验进行验证。
AI 根据报道生成 · 2 小时前更新
最新进展11月18日 16:48
局部自适应神经网络新论文:逐点训练最近邻并达到 minimax 最优速率报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- AGI Hunt局部自适应神经网络新论文:逐点训练最近邻并达到 minimax 最优速率
arXiv 论文《Training Neural Networks to be Locally Adaptive》提出局部自适应神经网络,对每个查询点仅用其 k 个最近邻样本训练局部模型。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。