Skip to content
Hot eventLive

深度特征选择的可证明 FDR 控制

1 reports1 sources3 hr ago updated

Get the story

AI overview

2026-10-02，arXiv 发表一项研究，提出基于深度神经网络的特征选择框架，可近似控制错误发现率（FDR）。该框架适用于首层全连接、后续为任意宽度/深度 MLP、卷积/循环网络、注意力机制、残差连接与 Dropout 等架构。

Generated from reports · updated 3 hr ago

LatestOct 2
arXiv 发表深度特征选择的可证明 FDR 控制框架，适用于多种深度网络架构。

Timeline

Follow the coverage from different angles.

Oct 2, 2026
  1. arXiv · Statistics Machine Learning
    深度特征选择的可证明 FDR 控制：深度 MLP 及其他架构

    summary_zh: 该研究提出一种基于深度神经网络的特征选择框架，可近似控制错误发现率（FDR），适用于首层全连接、后续为任意宽度/深度 MLP、卷积/循环网络、注意力机制、残差连接与 Dropout 的架构。

Heat trend

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