实体
Recursive Feature Machines
Recursive Feature Machines
PulseAugur coverage of Recursive Feature Machines — every cluster mentioning Recursive Feature Machines across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
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 2 条
-
新的K-Inverse-RFM方法缩小了与神经网络的性能差距
研究人员开发了K-Inverse-RFM，这是对递归特征机（RFM）的一种改进，可以提高其在数据损坏数学任务上的性能。通过对训练标签应用变换，K-Inverse-RFM帮助RFM克服了在嘈杂、复杂或不平衡数据集中的局限性，使其在这些具有挑战性的场景中能够媲美甚至超越前馈神经网络（FNN）的性能。
-
核回归方法恢复多指标模型的中心子空间
研究人员开发了一种使用核岭回归和平均梯度外积（AGOP）的方法来识别数据中潜在的低维结构。该技术可以恢复多指标模型的中心子空间，即使在预测精度仍然很低的情况下也是如此。研究结果表明预测和表示之间存在分离，解释了迭代核方法（如递归特征机）的样本效率。