★ 3
尺寸泛化的无维度缩放定律：指数分离
论文建立尺寸泛化的统计学习理论，证明样本复杂度存在尖锐的指数分离：多项式源衰减仅使尺寸泛化误差以 (log n)^{-Θ(1)} 衰减，而域内学习可达 n^{-Θ(1)}。研究进一步给出指数源条件以恢复多项式样本复杂度，并提供匹配的极小极大下界，形成无维度缩放定律。
arXiv cs.LG17 天前
#统计学习理论
共 3 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
Sign Betting 回归实现 L1 最优逼近因子 3
arXiv 论文研究模型误设下的有界回归，用 L1 距离替代标准 L2 评估条件均值估计。作者分析 Baraud 与 Maillard 提出的 sign-betting 回归，证明其在误设下达到高概率 L1 oracle 不等式，并在可实现性下自适应平均条件方差。论文进一步证明该方法的通用逼近因子…
arXiv cs.LG16 天前
★ 2
Transformer掩码扩散模型可证明学习潜在结构分布
arXiv 论文为基于 Transformer 的掩码扩散模型（MDM）给出端到端统计保证，证明其样本复杂度由数据潜在结构决定，而非随词表规模指数增长。作者用隐马尔可夫树混合建模潜在依赖，模型无需知道树拓扑或分量参数即可自适应学习。该结果为 MDM 在真实数据上的有效性提供理论支撑。
arXiv cs.LG20 天前
这个主题的相关资产
相关公司甲骨文（Oracle）1