实体
Least absolute deviations
Least absolute deviations
PulseAugur coverage of Least absolute deviations — every cluster mentioning Least absolute deviations 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
-
新的神经网络提前停止规则可绕过训练
研究人员开发了一种新的、依赖数据的神经网络训练提前停止规则，该规则可以解析地估计泛化误差，从而无需通过梯度下降进行数值估计。这个新颖的框架基于具有L1范数的Rademacher复杂度，为依赖随机矩阵理论且通常对数据分布做出限制性假设的现有方法提供了一种替代方案。该方法最初专注于线性模型，但通过线性探测可以扩展到非线性神经网络，如在MNIST分类示例中所示。
-
研究人员开发了用于超分辨率到达方向估计的新型Hankel结构感知方法
研究人员开发了用于到达方向（DoA）估计的新框架，这对于自主系统至关重要。这些方法利用Hankel结构感知和矩阵分解，在L2（高斯噪声）和L1（拉普拉斯噪声）范数下均提供最佳性能。所提出的技术展示了增强的超分辨率能力，与现有方法相比，所需的信噪比更低，并实现了更高的分辨率概率，已通过模拟和真实世界实验得到验证。
-
新的RFLkPC方法可鲁棒地处理k平面聚类中的异常值
研究人员推出了一种名为鲁棒模糊局部k平面聚类（RFLkPC）的新方法，以解决传统k平面聚类的局限性。这种新方法结合了铰链损失和L1范数，创建了混合距离，使其更能抵抗异常值。RFLkPC模型还假设聚类是有限的，从而提高了在有或没有异常值任务中的性能。在模拟和真实数据上的实验证明了该方法的有效性，并且源代码是公开可用的。