跳到正文
热点事件持续更新

深度高斯过程带宽阈值与非高斯极限获证

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Mark Kozdoba 与 Shie Mannor 的论文(被 NeurIPS 2026 接收)为逐层构造的向量值高斯过程深度先验提出了带宽锐利阈值 r_c(d)=Θ(√d):带宽高于阈值时,先验随深度增长退化为常数函数;低于阈值时收敛到非退化、非高斯的极限分布 π_Z̄,且各坐标间依赖不消失。 作者称在多个维度上的实验验证了该阈值,并观察到极限分布呈复杂多峰行为;这一区域随维度增大而变窄,若不知道阈值很难识别。

AI 根据报道生成 · 4 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月4日
  1. arXiv · cs.AI
    深度高斯过程到底有多深?组合高斯过程的锐利阈值与非高斯极限

    一项被 NeurIPS 2026 接收的研究为逐层为向量值高斯过程的深度高斯过程先验给出了带宽的锐利阈值 r_c(d) = Θ(√d):带宽高于该阈值时先验在深度增长下退化为常数函数,低于阈值时则收敛到非退化、非高斯的极限分布 π_Z̄,且各坐标间依赖不消失。作者在多个维度上实验验证了该阈值,并观察到极限分布呈现复杂的多峰行为,这一区域随维度增大而变窄,若不知道阈值很难识别。

本事件热度走势

可比范围当前
9
可比范围峰值
1011月4日 14:00
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。