热点事件持续更新
RobustLDS：对抗污染下学习线性动力系统
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年10月9日，arXiv（Statistics Machine Learning）发布论文《RobustLDS：在对抗性污染下学习线性动态系统》。该研究针对单条长度为T的轨迹中部分观测被对抗性异常值污染的情形，提出基于最小化修剪二乘（least-trimmed squares）松弛的估计器与交替最小化算法，并给出两种利用异常值群稀疏性（通过惩罚或硬约束）的估计器。对带群稀疏惩罚的估计器，作者推导出非渐近误差界以证明其对异常值的鲁棒性；实验显示所提估计器在实践中表现良好。目前未见与先前报道相矛盾的信息。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
arXiv新论文提出RobustLDS，用修剪二乘与群稀疏估计器在对抗污染下学习线性动力系统。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv · Statistics Machine LearningRobustLDS：在对抗性污染下学习线性动态系统
RobustLDS 研究在单条长度为 T 的轨迹中、部分观测被对抗性异常值污染时如何学习线性动态系统。论文提出基于最小化修剪二乘（least-trimmed squares）松弛的估计器与交替最小化算法，并给出两种利用异常值群稀疏性（通过惩罚/硬约束）的估计器。对带群稀疏惩罚的估计器，作者推导出非渐近误差界以证明其对异常值的鲁棒性，实验也显示所提估计器在实践中表现良好。
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。