实体
Yin
Yin
PulseAugur coverage of Yin — every cluster mentioning Yin across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
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
-
牛路径搜索算法最优性得到严格证明
本文详细证明了为牛路径问题设计的随机算法的最优性。该算法由 Kao、Reif 和 Tate 开发，涉及一头牛以固定的循环顺序访问 $w$ 条路径，以寻找一个距离未知的目标。Kao、Ma、Sipser 和 Yin 此前的工作已经证明了该算法对所有 $w$ 的最优性，并声称没有算法可以超越最佳的循环算法。本文旨在严格证明这一论断。
-
新算法使用Hadamard和高斯池化加速\(\ell_2\)回归
研究人员开发了一种新的随机草图求解算法，用于加速超约束\(\ell_2\)回归。该算法引入了一种新颖的、快速的、稠密的随机变换，该变换结合了Hadamard展平、随机置换和高斯池化。这种新方法实现了\(\ell_\infty\)保证，具有\(m=O(\epsilon^{-2}d\log d)\)行，解决了先前工作中发现的独立性假设缺陷。
-
新理论为深度神经网络的对抗Rademacher复杂度提供界限
研究人员首次为深度神经网络（DNN）中的对抗Rademacher复杂度（ARC）开发了理论界限。这一新界限解决了DNN泛化到受扰动测试数据的挑战，尽管它们能够拟合受扰动训练数据，但这一问题一直存在。该方法引入了“中间对抗样本”的概念和一个兼容的计算覆盖数的框架，与现有的Rademacher复杂度界限进行了定性比较。实验表明，权重范数是DNN中观察到的鲁棒泛化差距的一个重要因素。