RobustLDS：对抗污染下学习线性动力系统
Get the story
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。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- 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。
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.