实体
Bateni et al.
Bateni et al.
PulseAugur coverage of Bateni et al. — every cluster mentioning Bateni et al. across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新研究优化了网络化模型中的 AI 信息聚合速率
研究人员优化了对网络化学习模型（特别是在有向无环图（DAG）中）信息聚合速率的理解。在此前 Kearns、Roth 和 Ryu 的工作基础上，本研究分析了线性回归和逻辑分类问题。研究结果表明，这些模型中信息聚合的最优速率在一定深度内是恒定的，然后呈多项式下降，提供了比以往更精确的理论界限。
-
新论文确立网络信息聚合的最优下界
Kearns 等人的一篇新论文通过确立长度为 D 的路径上均方误差 (MSE) 的 $\Omega(1/\sqrt{D})$ 下界，解决了网络信息聚合中的一个核心开放性问题。这一发现改进了先前展示的 $O(1/\sqrt{D})$ 上界和 $\Omega(1/D)$ 下界的工作，从而缩小了 MSE 的差距。该分析已扩展到更广泛的凸损失函数类，证明对于高斯实例在其最坏情况族（包括逻辑损失）中，$\\ell$-误差下界也为 $\Omega…