10:59
官方账号arXiv cs.LG@Anjian Li, Ryne Beeson
推荐理由：这篇论文教你怎么用求解器的中间迭代步骤来多搞训练数据，还给了理论分析并连接到GLENS方法，做优化或生成模型的人可以看看。
GLENS
共 1 条相关 AI 资讯
7月27日
10:59
本文针对参数优化问题中数据稀缺的挑战，提出了一种k-邻域数据收集策略，通过将收敛解与中间求解器迭代结合来扩充训练数据。作者推导了基于Rademacher复杂度的泛化界，揭示了k-邻域及相关参数的作用。方法聚焦于由投影梯度下降求解的单侧盒约束二次规划，并通过两个示例展示了求解器行为。该研究提升了DDDAS范式中数据-模型-优化循环的效率。最后讨论了学习求解器迭代数据的两种观点，并将其与GLENS全局搜索方法关联。