热点事件持续更新
深度网络特征选择FDR控制获理论证明
1 篇报道1 个报道来源14 小时前更新
先了解这件事
AI 综述
2026年10月3日，arXiv cs.LG 分类发布一项研究，提出基于深度神经网络的特征选择框架，可近似控制错误发现率（FDR）。该框架适用于首层全连接、后续可为任意宽度深度的 MLP，以及卷积、循环网络、注意力、残差连接和 dropout 等架构。研究基于多指标数据生成模型，证明梯度特征重要性向量各坐标满足边际正态近似，并称首次在此类通用深度学习设定下给出 FDR 控制的理论保证。论文已被 AISTATS 2026 接收。
AI 根据报道生成 · 2 小时前更新
最新进展10月3日 12:00
该论文已被 AISTATS 2026 接收。报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- arXiv：cs.LG（机器学习，全量分类）深度神经网络特征选择的 FDR 控制理论证明：Deep MLPs 及更广架构
研究者提出一种基于深度神经网络的特征选择框架，可近似控制错误发现率（FDR），适用于首层全连接、后续可为任意宽度深度 MLP、卷积、循环网络、注意力、残差连接和 dropout 的架构。该工作首次在此类通用深度学习设定下给出 FDR 控制的理论保证，基于多指标数据生成模型，证明梯度特征重要性向量各坐标满足边际正态近似。论文已被 AISTATS 2026 接收。
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。