跳到正文
热点事件持续更新

Robust LassoNet 提出

1 篇报道1 个报道来源12 小时前更新

先了解这件事

AI 综述

Daniela De Canditiis、Italia De Feis 和 Paola Stolfi 提出 Robust LassoNet，将 Huber、Cauchy、Tukey 双权和 Nonnegative Garrote 等稳健损失函数引入 LassoNet，以减弱极端观测值对神经网络特征选择和预测的影响；实验显示，该方法在含离群值或重尾噪声的数据上提升了预测性能和特征选择准确率，在干净数据上的表现与原方法相近。 Robust LassoNet 保留 LassoNet 原有的优化框架，变化主要在于替换或扩展损失函数，使模型能够针对不同类型的异常观测和噪声进行稳健处理。

AI 根据报道生成 · 3 小时前更新

最新进展10月12日 12:00
Robust LassoNet：通过稳健损失函数增强神经网络特征选择

报道时间线

沿着报道，了解事件的不同侧面。

10月12日
  1. arXiv · Machine Learning
    Robust LassoNet：通过稳健损失函数增强神经网络特征选择

    Robust LassoNet 将 Huber、Cauchy、Tukey 双权和 Nonnegative Garrote 等稳健损失函数引入 LassoNet，以降低极端观测值对特征选择和预测的影响。该方法保留原有优化框架；在含离群值或重尾噪声的数据上，实验显示其预测性能和特征选择准确率均有提升，在干净数据上的表现则保持相近。

本事件热度走势

可比范围当前
7
可比范围峰值
810月12日 21:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。