研究提出 SWAPE 联合优化框架
热点事件持续更新
研究提出 SWAPE 联合优化框架
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Hassan Nojavan、Chul Moon 和 Miju Ahn提出 SWAPE 框架，联合优化模型参数与训练样本权重；数值实验显示，该方法在多种学习任务和数据异常场景中比基准方法更能降低不良数据点的影响。 框架通过交替最小化和 majorize-minimize 近似更新参数与权重，研究还给出了算法收敛性证明。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 12:00
SWAPE：联合稀疏样本加权与参数估计的非凸框架报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine LearningSWAPE：联合稀疏样本加权与参数估计的非凸框架
研究提出联合稀疏样本加权与参数估计框架 SWAPE，同时优化模型参数和训练样本权重，以降低不良数据点的影响。框架通过交替最小化和 majorize-minimize 近似更新参数与权重，并给出算法收敛性证明。多种学习任务和数据异常场景的数值实验显示，该方法降低不良数据点影响的效果优于基准方法。
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。