研究提出尺寸泛化无维度缩放定律
热点事件持续更新
研究提出尺寸泛化无维度缩放定律
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
一项新研究为集合、图等可变尺寸数据上的“尺寸泛化”建立了统计学习理论，并证明其与常规域内学习之间存在指数级分离。 作者 Behrooz Tahmasebi 和 Melanie Weber 称，在多项式源衰减条件下，域内学习误差按 n^{-Θ(1)} 衰减、样本复杂度为多项式；而尺寸泛化误差仅按 (log n)^{-Θ(1)} 衰减，两者形成指数分离。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
尺寸泛化的无维度缩放定律：样本复杂度的指数分离报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.LG尺寸泛化的无维度缩放定律：样本复杂度的指数分离
研究为集合、图等可变尺寸数据上的尺寸泛化建立了统计学习理论，证明多项式源衰减下域内学习误差为 n^{-\Theta(1)}、样本复杂度为多项式，而尺寸泛化误差仅按 (\log n)^{-\Theta(1)} 衰减，形成指数分离。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。