English(EN) Distributional Regression for Arbitrary Response Variables Using ReLU Neural Networks

使用ReLU神经网络进行分布回归的新框架

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-14 04:00

本文介绍了一种新颖的分布回归框架，该框架可处理任意响应变量。它使用可测集对条件事件概率进行建模，并将该方法扩展到一般的响应空间。研究提出了两种估计器，一种基于事件指示符的单独回归，另一种通过有向无环图强制执行包含一致性预测。两种估计器都建立了误差界限，并且对于跳过维度灾难的密集ReLU网络，具有专门的收敛速率。该框架的实际效用已通过模拟和真实世界实验得到验证。 AI

影响引入了一种新的机器学习统计框架，可以提高回归模型的准确性和适用性。

排序理由该项目是一篇学术论文，详细介绍了机器学习的新统计框架和估计器。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 3 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该项目是一篇学术论文，详细介绍了机器学习的新统计框架和估计器。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv stat.ML TIER_1 English(EN) · Junpeng Ren, Carlos Misael Madrid Padilla, Oscar Hernan Madrid Padilla · 2026-10-14 04:00

使用ReLU神经网络对任意响应变量进行分布回归

arXiv:2610.16142v1 Announce Type: new Abstract: This paper develops a unified framework for distributional regression with arbitrary response variables. Rather than relying on scalar thresholds or Euclidean structure, we model conditional event probabilities indexed by measurable…

本文如何被排名

报道来源 [1]

使用ReLU神经网络对任意响应变量进行分布回归

相关实体

相关话题