线性递归特征机动力学与有限样本轨迹恢复研究

2026年10月8日，arXiv机器学习理论方向发布论文《线性递归特征机的精确动力学与有限样本轨迹恢复》。该论文研究线性递归特征机（RFM）在带噪多输出回归中的动力学与统计性质，设定输入为各向同性次高斯数据，目标由维度为d的低秩教师矩阵生成。作者将线性RFM与迭代重加权最小二乘的已知联系从插值情形扩展到带噪岭正则化多输出回归，并证明学习到的特征矩阵在每轮迭代都接近其无限数据理想对应。目前报道仅涉及该论文的理论结果，未见实验验证或后续讨论。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。