dependent data | BriefGPT - AI 论文速递

关键词dependent data

搜索结果 - 6

强混合观测的深度学习：稀疏处罚正则化与极小极大优化
深度神经网络在依赖数据上的显式正则化和优化性能最近取得了相当大的进展。本文研究了从强混合观测样本中进行深度学习，并处理了平方损失和一类广义损失函数。对于包括回归估计、分类、时间序列预测等的一般框架，建立了期望超越风险的奥拉克不等式并给出了一
PDF24 days ago
依赖学习理论中的尖锐速率：避免样本数量紧缩对于平方损失的影响
统计学习中的依赖数据和平方损失在假设类 F 中研究，其中 Ψp 是范数 λf∥f∥Ψp≡supm≥1m−1/p∥f∥Lm 为某个 p∈[2,∞]。我们的研究旨在寻找一个与依赖数据学习相关的噪声交互项或者方差代理。在我们的假设类 F 上，当
PDF5 months ago
在线时间序列自举
这篇文章介绍了一种新颖的 Bootstrap 方法，其针对数据依赖关系进行处理，并可在线执行，特别适用于实时应用。作者证明了该 Bootstrap 方案在一般条件下的理论有效性，并通过大量模拟实验表明它能够在复杂的数据依赖关系存在的情况下提
PDF8 months ago
时间序列数据稀疏深度学习：理论与应用
稀疏深度学习在处理依赖数据方面的预测不确定性量化、顶点估计和模型压缩等领域中已成为一种流行的技术。本文通过研究稀疏深度学习与依赖数据的理论，表明稀疏循环神经网络能够一致地估计，并且在适当假设下，其预测呈渐近正态分布，从而能够正确量化预测的不
PDF9 months ago
ICML依赖数据的统计估计
提出一种基于马尔科夫随机场的方法，考虑了相互依赖的二元标签，实现了对相关数据的统计有效估计，并在逻辑回归、稀疏逻辑回归和神经网络等多个领域进行了探究。结果表明该方法可以更准确地估计参数，比传统的回归方法效果更好。在 Cora、Citese
PDF3 years ago
带有噪声和缺失数据的高维回归：非凸性可证明保证
研究高维稀疏线性回归问题在存在噪声、缺失或相关的数据时的情况下，提出了基于投影梯度下降的估计器，并且证明其在多项式时间内收敛到所有全局最小值的近邻，并给出了在统计和计算两个方面的理论保证。
PDF13 years ago