实体
Besov Spaces
Besov Spaces
PulseAugur coverage of Besov Spaces — every cluster mentioning Besov Spaces across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 4
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 4
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 4 条
-
新论文探讨用于图像比较的尺度空间度量的稳定性 · arXiv
研究人员在 arXiv 上发表了一篇论文，详细介绍了用于比较图像的尺度空间度量的稳定性。该研究侧重于源自高斯尺度空间表示的度量，这些度量与 Besov 空间和 Wasserstein 距离有关。论文量化了度量对几何变形的抵抗能力，并引入了用于比较断层扫描投影的旋转不变版本。此外，它还提出了从有限样本评估度量的有效算法，并证明了它们对加性噪声的鲁棒性，研究结果通过数值实验进行了说明。
-
新框架统一了深度神经网络的表示成本
一篇新的研究论文介绍了一个统一的框架，用于分析参数化数据拟合方法的表示成本。该框架揭示了包括核方法、小波和浅层神经网络在内的各种模型的诱导函数空间，并将它们视为特例。对于具有ReLU激活的深度神经网络，该论文证明了它们的原生空间是拟Banach空间，其中归纳偏倚无法通过深度大于二的范数来捕捉。
-
新的贝叶斯回归模型LABS展示自适应学习能力
研究人员开发了一种新的贝叶斯非参数回归模型，称为Lévy自适应B样条（LABS）。该模型使用B样条核来适应复杂的数据特征，并已证明在Besov空间中具有后验收缩的理论特性。对各种测试函数的模拟实验证实了LABS模型的实际效用。
-
贝叶斯KAN在新的理论中实现了接近minimax的速率
研究人员为稀疏贝叶斯Kolmogorov-Arnold网络（KANs）开发了一个理论框架。他们的工作为KANs奠定了统计基础，证明了这些网络可以实现接近minimax的后验收缩率。分析表明，KANs可以通过控制宽度和参数稀疏性（而非深度）来控制近似复杂度，从而适应未知的函数平滑度并避免维度灾难。