一种名为直接可容许集推断 (Diona) 的新回归方法已被引入，它通过直接使用样本来估计状态和导数值及其可容许边界，从而绕过了广泛的全局训练。这种方法将值和导数构建为约束优化问题中的潜在变量，允许按需进行局部求解，而不是进行冗长的训练循环。Diona 在无噪声条件下，在密集采样下表现出有限样本覆盖率和收敛到真实状态和导数等理论特性。基准测试表明，Diona 在无噪声数据上比高斯过程更准确，尤其是在数据集更密集的情况下，并且它提供的置信区间在多个函数的 95% 以上的查询点包含真实值。至关重要的是，与高斯过程和神经网络相比，Diona 在数据更新后提供了显著更快的预测时间，尽管这种速度是以按需预测为代价的。 AI
影响 与高斯过程等现有模型相比，这种新方法可以为某些回归任务提供更快的推理。
排序理由 该集群包含一篇详细介绍新方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
