提出HEA框架预测核回归学习曲线
热点事件持续更新
提出HEA框架预测核回归学习曲线
1 篇报道1 个报道来源4 小时前更新
先了解这件事
报道摘要
研究提出 Hermite 特征结构假设（HEA），仅用经验数据协方差矩阵和目标函数的经验多项式分解两项测量，即可预测核回归在 CIFAR-5m、SVHN、ImageNet 等真实数据集上的学习曲线。该假设在高斯数据上得到证明，真实图像数据也"足够高斯"使其成立；研究还发现 MLP 在特征学习阶段按 HEA 预测的顺序学习 Hermite 多项式。
摘自 arXiv cs.AI
最新进展10月7日 12:00
仅凭原始数据统计量预测核回归学习曲线：Hermite 特征结构假设（HEA）报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv cs.AI仅凭原始数据统计量预测核回归学习曲线：Hermite 特征结构假设（HEA）
研究提出 Hermite 特征结构假设（HEA），仅用经验数据协方差矩阵和目标函数的经验多项式分解两项测量，即可预测核回归在 CIFAR-5m、SVHN、ImageNet 等真实数据集上的学习曲线。该假设在高斯数据上得到证明，真实图像数据也"足够高斯"使其成立；研究还发现 MLP 在特征学习阶段按 HEA 预测的顺序学习 Hermite 多项式。
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。