热点事件持续更新
分布鲁棒线性回归的对抗训练视角
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026-10-01，arXiv · Statistics Machine Learning 发表一手研究，从对抗训练视角研究 Wasserstein 分布鲁棒优化（DRO）线性回归，统一 square-root Lasso 与对抗线性回归为特殊情形，证明确定性非渐近样本内误差界 O(n^{-1/2})、对噪声水平不敏感的小歧义集解等价性，并将方法转化为二次形式以高效求解，通过数值模拟验证。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv · Statistics Machine Learning分布鲁棒线性回归的对抗训练视角
本文研究 Wasserstein 分布鲁棒优化（DRO）线性回归，统一 square-root Lasso 与对抗线性回归为特殊情形，证明确定性非渐近样本内误差界 O(n^{-1/2})、对噪声水平不敏感的小歧义集解等价性，并将方法转化为二次形式以高效求解，通过数值模拟验证。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。