研究人员已将高斯普适性和凸高斯极小极大定理（CGMT）的原理扩展到依赖数据设置。这项工作表明，即使存在块依赖、m依赖和某些混合条件，高斯普适性仍适用于高维逻辑回归。此外，已开发了一个新的CGMT框架来解释协变量和观测值中的相关性。这些进展有助于更好地理解数据增强实践对深度学习中渐近风险的影响。 AI
影响 为理解依赖数据条件下深度学习中的数据增强提供了理论基础。
排序理由 该集群包含一篇详细介绍统计学理论进展的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
- convex Gaussian min-max theorem (CGMT)
- data augmentation
- deep learning
- Gaussian universality
- high-dimensional logistic regression
- Matthew Esmaili Mallory
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
