BriefGPT.xyz
Ask
alpha
关键词
universal consistency
搜索结果 - 4
无正则项梯度下降学得的过参数化深度神经网络估计的 $L_2$ 误差分析
通过合适的初始化、梯度下降步数和步长选择,在深度神经网络中无需正则化项,可以达到普适的一致性和收敛速度,而且对于有界预测变量,$L_2$ 误差收敛速度约为 $n^{-1/(1+d)}$,对于交互模型,收敛速度与输入维度 $d$ 无关。
PDF
8 months ago
MM
度量空间中 k-NN 规则的普适一致性和 Nagata 维度
证明了 $k$ 最近邻学习规则在每个 sigma-finite 维度空间中都是普遍一致的,同时调查了度量的相关几何性质以及 Stone 方法中的限制,通过构建各种例子来推广这一结论。
PDF
4 years ago
一类距离度量下基于 k - 近邻的数据集分类
本论文研究使用替代距离的最近邻分类器(k-NN)算法,并探讨了基于一系列随机范数或基于一些特定的一致性条件的距离,并探究了对类别标签的自适应选择距离的两阶段 k-NN 分类器。
PDF
9 years ago
最近邻分类的收敛速度
本文提出了一种新的最近邻方法,它能够适应不同空间区域的不同距离尺度,并分析其在度量空间的行为,从而得出分布相关的有限样本收敛速率,并实现了广泛数据空间的最近邻的普遍一致性。
PDF
10 years ago
Prev
Next