PulseAugur
中
实时 08:20:23
实体 Distributionally Robust Regularization of Sparse Integer Programming Trained Learning Models

Distributionally Robust Regularization of Sparse Integer Programming Trained Learning Models

PulseAugur coverage of Distributionally Robust Regularization of Sparse Integer Programming Trained Learning Models — every cluster mentioning Distributionally Robust Regularization of Sparse Integer Programming Trained Learning Models across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_303402 ·

    新的正则化方法增强了可解释的AI模型

    研究人员开发了一种新的机器学习模型训练方法,该方法包含显式的稀疏性约束,旨在提高可解释性和预测准确性。该方法将通常用于凸优化的分布鲁棒优化(DRO)技术扩展到混合整数稀疏规划。新的正则化方法提供了统计保证,并降低了通过传统交叉验证寻找最佳稀疏性水平的计算成本。