PulseAugur
中
实时 11:36:03
English(EN) Adversarial Contamination Meets Hard Thresholding: An Iterative Algorithm with Signal Adaptivity and Minimax Optimality

新的 AC-IHT 算法解决了高维回归中的数据污染问题

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种名为对抗性污染抵抗迭代硬阈值化 (AC-IHT) 的新算法，旨在处理受数据污染影响的高维回归问题。这种两阶段的非凸算法迭代地优化系数和污染向量，以实现近乎最优的估计。AC-IHT 算法还具有信号适应性，能够在特定信号条件下获得更快的估计率和更准确的支持恢复，同时为渐近推断提供了理论基础。 AI

影响 为机器学习中的稳健统计分析引入了一种新颖的算法，有可能在存在噪声数据的情况下提高模型可靠性。

排序理由 该集群包含一篇详细介绍统计机器学习新算法的研究论文。

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的 AC-IHT 算法解决了高维回归中的数据污染问题

报道来源 [2]

  1. arXiv stat.ML TIER_1 English(EN) · Shixiang Liu, Hanming Yang ·

    Adversarial Contamination Meets Hard Thresholding: An Iterative Algorithm with Signal Adaptivity and Minimax Optimality

    arXiv:2606.27685v1 Announce Type: new Abstract: Pervasive data contamination -- stemming from measurement errors, outliers, or adversarial corruption -- has motivated the development of robust statistical methods. In this context, we propose a two-stage Adversarial Contamination-…

  2. arXiv stat.ML TIER_1 English(EN) · Hanming Yang ·

    对抗性污染遇硬阈值：一种具有信号适应性和极小极大最优性的迭代算法

    Pervasive data contamination -- stemming from measurement errors, outliers, or adversarial corruption -- has motivated the development of robust statistical methods. In this context, we propose a two-stage Adversarial Contamination-resistant Iterative Hard Thresholding (AC-IHT) a…

相关实体

相关话题