Genovese et al.

新研究利用 Fisher 宽度和基准测试探索数据流形几何

两篇新研究论文探讨了机器学习中数据流形的几何结构。第一篇论文介绍了“Fisher 宽度”，这是一种新的几何度量，类似于高斯宽度，但使用 Fisher 信息度量适配了统计流形。该度量捕捉了各向异性几何效应，并用于证明 Fisher-Lipschitz 假设类的泛化界限。第二篇论文提出了一个用于研究数据几何的基准测试框架，使用重新利用的数据集和专门的估计器来分析曲率和范围等属性，旨在弥合深度学习理论与实践之间的差距。