热点事件持续更新

Dropout网络逼近Sobolev单位球的置信界研究

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

2026年10月5日，arXiv机器学习理论栏目发表一项关于Dropout神经网络逼近性质的研究。该研究分析以概率p独立保留边的ReLU网络对W^{n,∞}([0,1]^d)单位球的逼近问题，给出以至少1-δ概率成立的一致误差上界，并构造出常数深度、规模为Õ_{n,d}(p^{-9}ε^{-max{d/n,2}} log(1/δ))的网络。这是目前该事件唯一报道，尚未见其他来源或更早结果可供对照。

AI 根据报道生成 · 15 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5日

12:00
arXiv · Machine Learning Theory
Dropout 神经网络的逼近性质：Sobolev 收敛率与置信界
该研究分析以概率 p 独立保留边的 ReLU 网络对 W^{n,∞}([0,1]^d) 单位球的逼近，给出以至少 1-δ 概率成立的一致误差上界，构造出常数深度、规模 Õ_{n,d}(p^{-9}ε^{-max{d/n,2}} log(1/δ)) 的网络。

本事件热度走势

当前热度 7·可比范围峰值 10（10月5日 13:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。