跳到正文
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

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. 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。