Lipschitz
PulseAugur coverage of Lipschitz — every cluster mentioning Lipschitz across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新理论区分信息保持与预测贡献
一篇新论文介绍了互补特征域（CFD）理论，该理论将预测价值表征为一种与上下文相关的贡献系统。研究表明，保持香农信息不一定能保持这种贡献系统，因为可逆的表征变换会改变预测贡献。该论文用CFD贡献缺陷的形式化了这种变化，并表明对于有界Lipschitz效用，联盟效用变化受到行为距离的约束。一项使用心电图数据的实验说明了非线性重编码如何在保持信息的同时改变准确性，而精确的逆变换可以恢复准确性。
-
新的BROT方法在机器学习中实现最优传输图估计
研究人员推出了一种新颖的两步法BROT（Barycentric Regression for OT，用于OT的重心回归），用于估计最优传输（OT）图，这对于在机器学习中对齐概率分布至关重要。该方法首先计算无正则化的OT计划，然后采用通过最小二乘回归训练的深度神经网络来近似重心目标。理论证明，在地面真实OT图的Lipschitz连续性条件下，BROT可以实现minimax最优收敛速率。在合成和图像数据集上的实证评估表明，BROT在图估计…
-
新研究探索多智能体和对决设置中的Lipschitz土匪
两篇新研究论文探讨了复杂场景下的高级土匪算法。第一篇论文解决了连续动作空间中Lipschitz常数未知的合作多智能体土匪问题，提出了一种估计该常数并使用离散化方法来实现遗憾保证的算法。第二篇论文介绍了第一个具有Lipschitz结构的连续动作空间随机对决土匪算法，侧重于比较反馈并实现对数空间复杂度。
-
新的激活回归算法推动单指标模型研究
研究人员为具有未知链接函数的单指标模型开发了一种新的激活回归算法。该算法使用特定数量的查询实现了 $(1+\epsilon)$ 近似，解决了比以往研究更具挑战性的问题。该工作还为某些情况建立了近乎紧密的下界，显著缩小了这些模型中激活 $\ell_p$-回归的差距。
-
新算法推进单指数模型的活跃回归
本文介绍了一种用于具有未知链接函数和一般$\ell_p$-损失的单指数模型的新型活跃回归算法。所提出的非自适应采样算法在特定的查询复杂度下实现了 $(1+ε)$-近似，解决了比先前工作更具挑战性的场景。该研究还为 $p>2$ 建立了近乎紧密的下界，显著缩小了这些模型中活跃 $\ell_p$-回归的差距。
-
新研究探索用于条件生成压缩传感的主动学习
研究人员开发了一个新的条件生成压缩传感框架，专门用于从欠采样傅里叶测量中恢复图像，使用了提示词条件生成模型。该方法区分了用于采样分布设计的提示词和用于恢复模型的提示词。该研究为ReLU和Lipschitz条件生成器提供了稳定的恢复界限，表明提示词匹配采样保持了最优复杂度，而提示词不匹配会引入惩罚。使用Stable Diffusion进行的实验表明，提示词可以有效地塑造采样分布并影响图像恢复。