12:05
官方账号arXiv cs.LG@William Kengne, Ehud Mossa Ockegna
推荐理由：这篇论文提出了SPDNN方法，专门解决训练数据和目标数据分布不同的问题。它能量化回归和Huber回归，还能处理时间序列依赖数据。理论证明能达到最优收敛速度，挺扎实的。
深度神经网络
共 3 条相关 AI 资讯
7月23日
12:05
该论文提出稀疏惩罚深度神经网络（SPDNN）估计器，处理协变量偏移下的非参数分位数和Huber回归。当密度比未知时，采用两步预训练：先构建最小二乘SPDNN估计密度比，再用于重加权回归。在Hölder光滑函数类中，SPDNN估计器能达到（对数因子内）极小化最优收敛率，适用于i.i.d.和多种时间序列模型（如φ-mixing、强混合等）。
7月13日
09:28
09:28
官方账号arXiv cs.LG@Andrej Bogdanov, Alon Rosen, Neekon Vafa
推荐理由：这篇论文揭示了AI安全的新漏洞：攻击者能植入无法被检测到的后门，生成对抗样本。对做模型安全的人很重要。
6月16日
12:17
12:17
官方账号arXiv cs.LG@Vivek S Borkar
推荐理由：这篇论文用数学解释了残差连接为什么能解决梯度问题，适合想做深度学习理论研究的同学。