实体
L1-Regularization Path Algorithm for Generalized Linear Models
L1-Regularization Path Algorithm for Generalized Linear Models
PulseAugur coverage of L1-Regularization Path Algorithm for Generalized Linear Models — every cluster mentioning L1-Regularization Path Algorithm for Generalized Linear Models across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新的几何方法对抗深度神经网络中的捷径学习
研究人员开发了一种新颖的几何方法来对抗深度神经网络中的捷径学习，这种现象会导致模型记住虚假的相关性而不是因果机制。通过使用“拓扑审计器”，他们可以在没有手动干预的情况下数学上识别和修剪线性捷径。这种方法迫使网络利用更高的几何容量来学习道德表征，在减少人口统计学偏差方面优于 L1 正则化和 Just Train Twice 等现有方法。
-
新方法PAST增强了针对成员推断攻击的隐私保护
研究人员开发了一种名为隐私感知稀疏性调优（PAST）的新方法，用于防御过度参数化模型上的成员推断攻击。与传统的L1正则化不同，PAST根据模型参数对隐私敏感度的个体差异应用自适应惩罚，从而在对隐私泄露贡献最大的参数中促进稀疏性。实验表明，与现有方法相比，PAST在模型效用和隐私之间取得了更优的平衡。
-
具有线性自注意力机制的Transformer学习闭式回归解
研究人员开发了一种利用线性自注意力机制的Transformer模型，用于学习简单线性回归任务的闭式解。与依赖梯度下降的模型不同，该方法使用层归一化来近似最小二乘估计。实验表明，经过L1正则化训练的模型能有效地学习到这种解析解。