标签
本文在体积采样最小二乘下建立了系数协方差的尖锐Loewner包络，并利用仅特征几何分析了紧致条件。
本文提出了一种使用拉德马赫复杂度与L1-范数的解析框架，用于估计神经网络训练中的最优早停时间，避免概率假设，且适用于线性和非线性模型。
本文提出了一种利用储备池计算回收动态规划计算过程的方法，用于解决组合优化问题，在旅行商问题和子集和问题上实现了更高的近似精度和更短的计算时间。
本文提出了一种鲁棒化的智能预测-然后-优化变体，该变体考虑了特征扰动的影响，提供了一个具有理论保证的凸替代函数，并展示了相较于标准方法的优越性能。
本文构造了一个具有线性自注意力的Transformer，该Transformer对简单线性回归执行闭式最小二乘解的上下文学习，利用层归一化来近似解析解，而非梯度下降。
本文提出了一种使用block Lewis weights进行组分布鲁棒最小二乘回归的算法，与内点法相比实现了改进的复杂度。它还提供了在平均损失和鲁棒损失之间进行插值的算法。
本文介绍了一种基于快速变换的新型差分隐私草图机制，该机制实现了最先进的隐私保证并改善了运行时间，并将其应用于DP线性回归，从而获得了首个用于DP普通最小二乘法的快速方法。
本文推导了在幂律谱下素描线性回归的批量缩放定律，分析了单次和多次遍历的小批量SGD。它提供了明确的风险分解，展示了批量大小如何影响偏差、方差和波动项，并证明了无放回采样比有放回采样产生更低的噪声。