会员服务
“机器学习是近20多年兴起的一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让 可以自动“ 学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论，机器学习与统计推断学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。很多 推论问题属于 无程序可循难度，所以部分的机器学习研究是开发容易处理的近似算法。” ——中文维基百科
Machine Learning as Iterated Belief Change a la Darwiche and Pearl
Arxiv
0+阅读 · 5月3日
Robust volatility updates for Hierarchical Gaussian Filtering
Arxiv
0+阅读 · 5月1日
Efficient Parameter Estimation of Truncated Boolean Product Distributions
Arxiv
0+阅读 · 5月2日
Singular Bayesian Neural Networks
Arxiv
0+阅读 · 5月3日
Inverse classification with logistic and softmax classifiers: efficient optimization
Arxiv
0+阅读 · 3月19日
On the Asymptotics of Self-Supervised Pre-training: Two-Stage M-Estimation and Representation Symmetry
Arxiv
0+阅读 · 3月29日
On Pareto Optimality for Parametric Choice Bandits
Arxiv
0+阅读 · 4月24日
Computation-Utility-Privacy Tradeoffs in Bayesian Estimation
Arxiv
0+阅读 · 3月18日
Demographic Parity Tails for Regression
Arxiv
0+阅读 · 4月2日
Learning in Prophet Inequalities with Noisy Observations
Arxiv
0+阅读 · 4月2日
Addressing Performance Saturation for LLM RL via Precise Entropy Curve Control
Arxiv
0+阅读 · 4月29日
Data Balancing Strategies: A Systematic Survey of Resampling and Augmentation Methods
Arxiv
0+阅读 · 4月28日
ADD for Multi-Bit Image Watermarking
Arxiv
0+阅读 · 4月13日
VLM Judges Can Rank but Cannot Score: Task-Dependent Uncertainty in Multimodal Evaluation
Arxiv
0+阅读 · 4月29日
VLM Judges Can Rank but Cannot Score: Task-Dependent Uncertainty in Multimodal Evaluation
Arxiv
0+阅读 · 4月28日
参考链接
微信扫码咨询专知VIP会员
Top