线性递归特征机的精确动力学与有限样本轨迹恢复

该研究分析了线性递归特征机（linear RFM）在带噪声多输出回归任务中的动力学与统计特性，将其与迭代重加权最小二乘法的关联拓展至 Ridge 正则化场景。理论证明，在 $n$ 个样本和 $d$ 维目标下，每次迭代中特征矩阵的误差均以高概率按 $O(\sqrt{d/n})$ 衰减。真实文本与单细胞基因表达数据实验展示了该模型学习到的特征表示。