统计学习理论实现最优速率与尺度下的一致收敛

研究人员针对实值函数类确立了在最优尺度下的精确样本复杂度，首次同时实现 $\gamma+\varepsilon$ 误差与 $O(d/\varepsilon^2)$ 样本量（其中 $d$ 为尺度 $\gamma$ 下的 fat-shattering 维度），填补了以往研究无法兼得最优尺度与最优复杂度的空白。