实体
Generalization Bounds
Generalization Bounds
PulseAugur coverage of Generalization Bounds — every cluster mentioning Generalization Bounds across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新框架量化机器学习模型中分布偏移带来的风险
研究人员开发了一个新框架，用于解决机器学习模型在面临分布偏移时的泛化界限问题。该框架量化了由状态（regime）组成不匹配引入的额外风险，特别是在稳定状态和危机状态之间发生偏移的环境中。所提出的方法将此风险分解为状态不匹配和状态敏感性，将现有界限扩展到 beta-mixing 数据，并在金融指数数据上证明了其有效性。
-
论文通过泛化界批评挑战深度学习理论
讨论了两篇论文，一篇是2016年由Zhang等人发表的，另一篇是2019年由Nagarajan和Kolter发表的，它们对深度学习理论产生了影响。2016年的论文表明，标准神经网络可以轻松记住随机数据，挑战了基于假设类复杂度的现有泛化理论。随后的研究试图开发依赖于数据的界限，但2019年的论文被认为是对此类努力的又一次打击，表明一致收敛可能不足以解释深度学习的成功。