线性递归特征机动力学与轨迹恢复研究

一项 arXiv 论文将线性递归特征机（RFM）与迭代重加权最小二乘的已知联系，从插值设定扩展到带噪声的岭正则化多输出回归：数据为各向同性子高斯输入，目标由维度 d 的低秩教师矩阵生成。 作者 Andrew Cheng 等人称，在 n 个样本下，学习到的特征矩阵以高概率以 O(√(d/n)) 的速率逼近其无限数据理想对应物。论文还在真实文本与单细胞基因表达数据上展示了该线性模型学到的特征。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。