May, 2024

线性样本复杂度下的单指数模型无偏主动学习

TL;DR对单指数模型进行主动学习方法的研究,证明了在已知或未知函数情况下,通过统计杠杆得分采样,采集约 O (d) 个样本即可学习出接近最优的单指数模型,且适用于拟合偏微分方程等科学机器学习应用。这种方法无需对数据分布进行假设,在挑战性的对手学习环境中表现出鲁棒性。