热点事件持续更新
Robust LassoNet：通过鲁棒损失函数增强神经网络特征选择
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 发表统计学/机器学习论文 Robust LassoNet。该方法在 LassoNet 框架基础上引入 Huber、Cauchy、Tukey's bisquare 和 Nonnegative Garrote 等鲁棒损失函数，旨在降低异常值对神经网络特征选择的干扰。实验显示，在含噪声的合成与真实数据集上，其预测性能与特征选择准确率均有提升，并在干净数据上保持可比性能。
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 LearningRobust LassoNet：通过鲁棒损失函数增强神经网络特征选择
Robust LassoNet 在 LassoNet 基础上引入 Huber、Cauchy、Tukey's bisquare 和 Nonnegative Garrote 等鲁棒损失函数，以降低异常值对特征选择的影响。该方法在合成数据和真实数据集上提升了含噪声场景下的预测性能与特征选择准确率，同时在干净数据上保持可比性能。
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。