Neural Adaptive Shrinkage

Nash框架使用神经网络实现更快、自适应的回归

研究人员开发了一个名为神经自适应收缩（Nash）的新框架，用于结构化高维回归问题。Nash利用神经网络将协变量特定的侧面信息整合到稀疏回归中，自适应地调整正则化，无需交叉验证。该方法采用分裂变分经验贝叶斯算法，通过将神经网络的传递次数从O(p)减少到一次批量传递，显著加快了计算速度，实现了74到106倍的实际运行时间加速。实验表明，Nash在准确性和适应性方面优于现有方法。