实体
hypercube
hypercube
PulseAugur coverage of hypercube — every cluster mentioning hypercube across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
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 3 条
-
新研究证明了常数深度与对数深度神经网络之间的算法分离
研究人员首次建立了常数深度与对数深度神经网络之间的算法分离。他们识别出一类具有结构化傅里叶谱的布尔函数，这类函数可以通过逐层坐标下降法被对数深度网络高效学习。相反，他们证明了具有多项式宽度和受控谱范数的常数深度网络在均匀超立方体分布下难以逼近这些函数，会产生显著误差。
-
新研究确立了最小-最大优化的PPAD-硬性
研究人员在涉及二次多项式的最小-最大优化问题方面取得了新的理论硬性结果。这些发现表明，即使在多项式、单项式出现次数有限等特定约束下，在超立方体上计算近似驻点也是PPAD-硬的。这种复杂性也延伸到双人零和多项式矩阵博弈。另外，一项关于在亚高斯噪声下学习布尔超立方体上的多项式代理的研究，刻画了最小-最大样本复杂度，显示其对于d次多项式的复杂度为n^(d+1)，对于s稀疏的傅里叶-沃尔什多项式的复杂度为ns^2。
-
新的可微度量可发现数据中的群结构
研究人员开发了一种从数据中发现离散代数规则的新方法，将其构建为凯莱表补全问题。该方法使用一种代数复杂度的可微度量，该度量源自一种称为HyperCube的算子值张量分解。该方法证明了这种复杂度度量可以精确地表征群结构，解决了关键猜想，并实现了基于梯度的发现，无需组合搜索。