学者提出高维持续线性回归最优正则化理论

1. 12:00
   arXiv 机器学习

   高维持续线性回归的最优显式与隐式正则化强度研究

   该研究推导出了高维持续线性回归中梯度下降泛化损失的闭式解，证明在独立同分布教师任务下最优固定步长按 $\ln T / T$ 衰减。在此尺度下，该泛化损失渐近等价于最优调节的各向同性 L2 正则化。相关理论预测已在多任务线性模型和神经网络实验中得到验证。

当前热度 8·可比范围峰值 10（10月16日 13:00）·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。