Skip to content
Hot eventLive

Signal-Noise Factorization Isolates Nuisance Variation into Removable Subspaces

1 reports1 sources3 hr ago updated

Get the story

AI overview

2026-10-02，arXiv 发表统计学/机器学习论文，提出信号-噪声分解（SNF）与信号-信号分解（SSF）两种表征几何正则化。在 CIFAR-100 上增强 SNF 提升性能、增强 SSF 无效；在 BloodMNIST 的 MedMNIST-C 五级腐蚀下，SNF 正则化增益更大。SNF 将噪声分离到独立子空间，可在留出数据上估计并投影去除，显著提升分布外图像准确率。

Generated from reports · updated 3 hr ago

LatestOct 2
论文于 arXiv 发表，SNF 正则化在分布外图像上显著提升准确率。

Timeline

Follow the coverage from different angles.

Oct 2, 2026
  1. arXiv · Statistics Machine Learning
    Signal-Noise Factorization Isolates Nuisance Variation into Removable Subspaces

    研究通过正则化强化深度神经网络的信号-噪声分解（SNF）与信号-信号分解（SSF）两种表征几何特性。在 CIFAR-100 上，增强 SNF 提升性能，增强 SSF 无效；在 BloodMNIST 的 MedMNIST-C 五级腐蚀下，SNF 正则化带来更大增益。SNF 将噪声分离到独立子空间，可在留出数据上估计并投影去除，显著提升分布外图像下的准确率。

Heat trend

There is not enough continuous observation data to draw a trend yet.