线性递归特征机动力学与有限样本轨迹恢复研究

一项新研究把线性递归特征机（RFM）与迭代重加权最小二乘的联系，从插值情形扩展到带噪的岭正则多输出回归。作者 Andrew Cheng 等人证明，在输入为各向同性次高斯数据、目标由 d 维低秩教师矩阵生成的设定下，学习到的特征矩阵在每次迭代中都接近无限数据理想值；当样本数为 n 时，特征矩阵误差以 O(√(d/n)) 的高概率衰减。 研究还在真实文本与单细胞基因表达数据上做了实验，展示这一线性模型学到的特征。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。