PulseAugur
中
实时 12:02:49
English(EN) Online Distributional Prediction via Latent Cluster Geometry Under Drift and Corruption

新方法预测漂移和腐蚀下的数据分布

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种新颖的在线学习方法，用于预测非平稳数据流中的完整数据生成分布，即使在受到漂移和对抗性腐蚀的情况下也能实现。该方法利用潜在聚类几何来表示候选概率定律，通过后验平均实现在线预测。这种方法避免了对数据流、漂移或腐蚀进行参数建模的需要，并在特定条件下为次线性累积Wasserstein遗憾提供了理论保证。 AI

影响 这项研究为处理非平稳数据流提供了一个新的理论框架，有可能提高AI模型在动态环境中的鲁棒性。

排序理由 该集群包含一篇详细介绍在线学习和分布预测新方法的论文。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Navyansh Mahla, Prateek Chanda, Ganesh Ramakrishnan ·

    Online Distributional Prediction via Latent Cluster Geometry Under Drift and Corruption

    arXiv:2606.18778v1 Announce Type: new Abstract: Online learning in non-stationary streams is often formulated as tracking a point estimate, but many applications require predicting the full data-generating distribution. We study online distributional prediction under drift and ad…

  2. arXiv stat.ML TIER_1 English(EN) · Ganesh Ramakrishnan ·

    在线分布预测：漂移和腐蚀下的潜在聚类几何

    Online learning in non-stationary streams is often formulated as tracking a point estimate, but many applications require predicting the full data-generating distribution. We study online distributional prediction under drift and adversarial corruption. Our approach represents ea…

相关实体

相关话题