#机器学习理论

这篇把Solomonoff归纳改成能基于数据集预测，证明与原版等价且误差有界，做理论的人可以看。

这篇论文为理解神经网络预测提供了更精确的理论工具，做机器学习理论或模型可解释性研究的开发者值得关注，能帮你更深入理解训练数据的影响机制。

该结果统一了高斯表面理论与L1逼近的度界，为非负多项式在平滑学习中的应用提供了理论基础，对理论计算机科学中指标函数逼近研究具有参考价值。