待验证50% 置信事实精确时间
对于在内在d*维子流形上运行的学习任务，该论文证明最优划分缩放可以达到极小极大非参数速率O(n^{-1/(d*+2)}√ln n)。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
告别参数量依赖：Dirichlet过程实现深度网络无维度PAC-Bayes泛化界
rss2026/10/15
涉及实体
相关事实
已验证快速傅里叶变换将DFT的计算复杂度从朴素的O(N²)降低到O(N log N)70% 相似待验证无论处于哪一类区制，基于压缩复杂度的估计器都能稳定保持 O(1/√N) 的收敛速率70% 相似待验证论文证明流形无关的图拉普拉斯估计器的特征对收敛到张量化Laplace-Beltrami算子的速率为 n^{-1/(2.5d-1)}（忽略对数因子）。69% 相似待验证直接在SO(3)上做卷积的朴素复杂度为O(B^6)，通过快速球面傅里叶变换（基于Driscoll-Healy或McEwen-Wiaux采样定理）可降低至O(B^5)甚至更低68% 相似待验证论文主结论是采用零初始化和常数步长的Q-Learning能在高概率意义下使用 Õ(H^4/(μ_min·ε^2)+h_star) 次状态转移将sup-norm误差控制在ε以内（对0<ε≤1成立）67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1046145API
curl https://kongchang.com/api/v1/knowledge/claims/1046145MCP
get_claim(id=1046145)