LAIR-Net：用于表格回归的泄漏对齐脉冲残差网络
Get the story
2026年10月9日，arXiv 统计学机器学习栏目发布一手研究，提出 LAIR-Net（Leaky Alignment-Impulse Residual Network），用于表格回归。该模型通过泄漏残差过渡把浅层学习锚点混入每个隐藏状态，并推导出输入扰动敏感度的深度一致上界。实验在 23 个基准数据集上进行，LAIR-Net 在 8 个随机化网络与 12 个传统模型中取得最佳平均排名。收益在可学习的非线性目标结构下出现，在近线性目标或噪声主导时减弱。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Statistics Machine LearningLAIR-Net：用于表格回归的泄漏对齐脉冲残差网络
研究者提出 LAIR-Net（Leaky Alignment-Impulse Residual Network），通过泄漏残差过渡把浅层学习锚点混入每个隐藏状态，并推导出输入扰动敏感度的深度一致上界。在 23 个基准数据集上，LAIR-Net 在 8 个随机化网络与 12 个传统模型中取得最佳平均排名。收益在可学习的非线性目标结构下出现，在近线性目标或噪声主导时减弱。
Heat trend
Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.