分层函数噪声敏感性与学习下界新证明
热点事件持续更新
分层函数噪声敏感性与学习下界新证明
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Rupert Li 与 Elchanan Mossel 提交论文新版本,证明树状分层结构函数在独立输入下,若层级中每个函数与线性函数的距离均不小于 ε,则噪声稳定性随层级深度指数级衰减。 基于该结果,作者在布尔设定下给出分层函数类不可知学习的统计查询超多项式下界,并在高斯设定下得到不可知 SQ 学习的超多项式下界;结合既有工作,还推导出全连接神经网络用梯度下降学习分层函数的样本复杂度下界。
AI 根据报道生成 · 1 小时前更新
最新进展10月5日 12:00
分层函数的噪声敏感性与学习下界报道时间线
沿着报道,了解事件的不同侧面。
10月5日
- arXiv:cs.LG分层函数的噪声敏感性与学习下界
研究团队分析了树状分层结构函数在独立输入下的噪声稳定性,证明当层级中每个函数与线性函数的距离均不小于 ε 时,噪声稳定性随层级深度指数级衰减。基于该结果,作者在布尔设定下给出了分层函数类不可知学习的统计查询超多项式下界,并在高斯设定下得到不可知 SQ 学习的超多项式下界;结合既有工作,还推导出全连接神经网络用梯度下降学习分层函数的样本复杂度下界。
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。