$\mathbb{R}^d$
PulseAugur coverage of $\mathbb{R}^d$ — every cluster mentioning $\mathbb{R}^d$ across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新研究详细阐述了 $\gamma$-VC 维度在提升和弱学习器表达能力中的作用
一篇新的研究论文探讨了提升算法与弱学习器表达能力之间的关系，重点关注 $\gamma$-VC 维度。该研究确立了该参数是决定将弱假设转换为高精度预测器样本复杂度的关键因素。研究人员还提炼了传统 VC 维度与 $\gamma$-VC 维度之间的联系，为 $\mathbb{R}^d$ 中的决策桩和轴平行矩形提供了新的界限。
-
用于凸域上参数估计的新广义分数匹配方法
研究人员开发了一种称为广义分数匹配的新方法，用于凸域上的参数估计。当处理非归一化模型时，该技术提供了最大似然估计的一种实用替代方法，因为它避免了计算配分函数的需要。广义分数匹配目标源自最小概率流学习，并被证明是一个恰当的局部评分规则，理论上保证在最小化时恢复真实密度。该框架特别适用于定义在\(\mathbb{R}^d\)的凸子集上的指数族模型，其中配分函数的解析解是难以处理的。
-
新方法结合蒙特卡洛和神经网络求解边值问题
本文探讨了近似泊松方程解的新方法，泊松方程是数学物理中的一个基本问题。研究人员证明，蒙特卡洛方法，特别是加速球面行走算法，可以有效地为该方程的解提供数值近似。此外，研究表明，这些蒙特卡洛求解器如何用于构建也近似解的深度神经网络（DNN），这些网络的规模在多项式上取决于问题的维度和所需的精度。
-
新研究对半空间的均匀收敛提供了细粒度理解
研究人员发表了一篇论文，详细介绍了对半空间均匀收敛的细粒度理解，该理解超越了标准的VC界限。研究表明，对于$\\mathbb{R}^d$中的非齐次半空间，一致的假设仍然会产生显著的总体误差。然而，\\mathbb{R}^2$中的齐次半空间表现出不同的收敛行为，对均匀收敛的近乎完整的图景已经确立，突显了尖锐的维度和结构阈值。