人物
Feldman
机器学习理论研究者,提出关于记忆化代价的下界结论,试图用量化系数刻画样本频率与记忆化惩罚之间的关系
时间轴 (近 90 天)
10月15日
一篇最新的修正性研究给出了一个精确的三点反例,证明Feldman记忆化下界中的频率系数在条件形式和平均形式下都会失效。
待验证50%
10月15日
Feldman使用的频率系数实际上是Good精确频率公式的后验均值形式,可以写成修正后系数的占据加权平均。
待验证50%
10月15日
修正并未否定Feldman的工作,而是将其安放到更精确的框架中,原系数是修正系数在特定加权下的近似。
待验证50%