theoretical-machine-learning

本文利用克里斯托费尔函数建立了鲁棒半空间学习中重加权铰链方法的平方和度数障碍的刻画，揭示了间隔-度数权衡和显式离群点障碍。

本文系统性地识别了大型权重共享线性自编码器中所有定性不同的极端学习机制，推导了与三棱柱面相关的五种机制的显式损失演化。

本文刻画了多类分类中离散属性的近似属性校准，利用Lipschitz连续属性作为中介，将复杂度从类别数量降低到诱导复杂度维度。