研究人员开发了一种新颖的数据驱动框架，用于学习利用分层结构上的吉布斯度量的系统。这种方法将经验损失函数转化为相互作用势，定义了一个基于能量的模型，其中数据生成了平衡学习状态的分布。该框架在经验损失景观与树上的概率推理之间建立了严格的联系，具有相变现象和不同预测机制的潜力。 AI
影响 为基于能量的学习引入了新的理论视角，可能实现更细致的数据驱动推理。
排序理由 该集群包含一篇详细介绍机器学习新理论框架的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2606.30064v1 Announce Type: new Abstract: We introduce a data-driven probabilistic framework for learning systems based on Gibbs measures on hierarchical structures. Unlike standard empirical risk minimization, where a dataset is used to identify a single optimal parameter,…