会员服务
在数学，统计学和计算机科学中，尤其是在机器学习和逆问题中，正则化是添加信息以解决不适定问题或防止过度拟合的过程。 正则化适用于不适定的优化问题中的目标函数。
Support Recovery and $\ell_2$-Error Bound for Sparse Regression with Quadratic Measurements via Weakly-Convex-Concave Regularization
Support Recovery and $\ell_2$-Error Bound for Sparse Regression with Quadratic Measurements via Weakly-Convex-Concave Regularization
Arxiv
0+阅读 · 2月19日
Unified Latents (UL): How to train your latents
Arxiv
0+阅读 · 2月19日
Learning to Stay Safe: Adaptive Regularization Against Safety Degradation during Fine-Tuning
Arxiv
0+阅读 · 2月19日
On the Sample Complexity of Learning for Blind Inverse Problems
On the Sample Complexity of Learning for Blind Inverse Problems
Arxiv
0+阅读 · 2月19日
Revisiting Weight Regularization for Low-Rank Continual Learning
Arxiv
0+阅读 · 2月19日
On the Design of KL-Regularized Policy Gradient Algorithms for LLM Reasoning
Arxiv
0+阅读 · 2月19日
Gaussian surrogates do well on Poisson inverse problems
Arxiv
0+阅读 · 2月19日
Dataless Weight Disentanglement in Task Arithmetic via Kronecker-Factored Approximate Curvature
Arxiv
0+阅读 · 2月19日
Representation Collapse in Machine Translation Through the Lens of Angular Dispersion
Arxiv
0+阅读 · 2月19日
Balancing Faithfulness and Performance in Reasoning via Multi-Listener Soft Execution
Arxiv
0+阅读 · 2月18日
High entropy leads to symmetry equivariant policies in Dec-POMDPs
Arxiv
0+阅读 · 2月17日
Q3R: Quadratic Reweighted Rank Regularizer for Effective Low-Rank Training
Arxiv
0+阅读 · 2月18日
Solving Fredholm Integral Equations of the Second Kind via Wasserstein Gradient Flows
Arxiv
0+阅读 · 2月17日
Terminal Velocity Matching
Arxiv
0+阅读 · 2月16日
Latent Regularization in Generative Test Input Generation
Arxiv
0+阅读 · 2月17日
参考链接
微信扫码咨询专知VIP会员
Top