热点事件持续更新
学者提出Dropout神经网络Sobolev逼近与置信界研究
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月5日，arXiv机器学习领域发布了一项关于Dropout神经网络逼近性质的理论研究。该研究针对边保留概率为 p 的 ReLU Dropout 神经网络，系统分析了其对 Sobolev 空间函数的逼近性质，并给出了单次采样网络在至少 1-δ 置信度下的网络规模保证，为相关网络架构的逼近能力提供了理论依据。
AI 根据报道生成 · 4 小时前更新
最新进展10月5日 12:00
学者发布研究，给出ReLU Dropout网络对Sobolev空间函数的逼近性质与置信界保证。报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv 机器学习Dropout 神经网络逼近性质：Sobolev 速率与置信界
该研究分析了边保留概率为 $p$ 的 ReLU Dropout 神经网络对 Sobolev 空间函数的逼近性质，给出了单次采样网络在至少 $1-\delta$ 置信度下的规模保证。
本事件热度走势
当前热度 9·可比范围峰值 10（10月5日 12:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。