新算法在多项式时间内学习ReLU组合

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-27 04:00

研究人员开发了一种新算法，能够在多项式时间内PAC学习ReLU激活的正线性组合。该算法需要多项式数量的样本，并且相对于维度和激活数量，其运行时间也是多项式的。该方法利用了一种新颖的提升程序，结合了隐式张量计算和Hermite张量，以放大权重向量之间的分离度，从而能够以恒定的误差恢复它们。一个关键组成部分是一种修剪方法，该方法仅保留近似目标精度的相关向量。 AI

影响这项研究在学习复杂神经网络组件的理论理解和算法效率方面取得了进展。

排序理由该条目是一篇学术论文，详细介绍了一种用于机器学习任务的新算法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 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: 11 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目是一篇学术论文，详细介绍了一种用于机器学习任务的新算法。[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 cs.LG TIER_1 English(EN) · Ilias Diakonikolas, Jelena Diakonikolas, Puqian Wang, Nikos Zarifis · 2026-10-27 04:00

在全多项式时间内学习ReLU的积极线性组合

arXiv:2610.32940v1 Announce Type: cross Abstract: We study the fundamental problem of PAC learning positive linear combinations of $k$ arbitrary ReLU activations on $\mathbb{R}^d$ with respect to the Gaussian distribution, in $L_2$ loss. We give the first fully-polynomial time al…

本文如何被排名

报道来源 [1]

在全多项式时间内学习ReLU的积极线性组合

相关实体

相关话题