研究人员解决了自回归线性阈值函数(LTFs)VC维度理解上的一个长期存在的差距。对于确定性自回归LTFs,已证明当T ≥ d^2时,VC维度为Θ(d^2),缩小了先前O(d^2)的计数上界与实际值之间的差距。此外,该研究通过展示将符号函数替换为逻辑采样可以将VC维度从d的二次方增加到指数级,从而证明了确定性模型和随机自回归模型之间的指数级分离。 AI
影响 为布尔预测器的复杂性提供了理论见解,可能影响某些类型机器学习模型的设计和理解。
排序理由 该条目是一篇研究论文,详细介绍了关于自回归线性阈值函数VC维度的理论发现。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
- autoregressive model
- Boolean predictors
- deterministic autoregressive LTFs
- Linear threshold functions
- stochastic autoregressive models
- VC dimension
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →