arXiv ID:
2606.23179
EML树是通用逼近器 / EML Trees Are Universal Approximators
1️⃣ 一句话总结
本文证明了一种名为EML(指数-减-对数)的数学函数,当以树状结构组合时,能够像神经网络一样逼近任意复杂的数学函数,并提出了相应的学习算法,为函数逼近提供了一种新的理论框架。
EML树是通用逼近器 / EML Trees Are Universal Approximators
本文证明了一种名为EML(指数-减-对数)的数学函数,当以树状结构组合时,能够像神经网络一样逼近任意复杂的数学函数,并提出了相应的学习算法,为函数逼近提供了一种新的理论框架。
基于多项逻辑函数逼近的强化学习方差自适应优化算法 / Variance-Adaptive Optimal Algorithm for Reinforcement Learning with Multinomial Logit Function Approximation
该论文提出了一种新的强化学习算法,能够根据学习过程中环境互动的变化程度自适应调整策略,在多项逻辑函数逼近下实现了理论上最优的遗憾界,并通过实验证明其比传统方法更高效地学习最优策略。
相对时序差分学习的稳定性与敏感性分析:扩展版 / Stability and Sensitivity Analysis of Relative Temporal-Difference Learning: Extended Version
这篇论文证明了在使用线性函数近似时,通过巧妙选择基线分布,相对时序差分学习算法在任何折扣因子下都能保持稳定,并且其估计结果的偏差和协方差在折扣因子接近1时也不会无限增大。
利用深度神经网络与Transformer近似矩阵函数 / Approximating Matrix Functions with Deep Neural Networks and Transformers
这篇论文证明了深度神经网络(特别是Transformer架构)能够有效近似科学计算中至关重要的矩阵函数(如矩阵指数),并揭示了输入数据的编码方式对模型性能有决定性影响。
克利福德-柯尔莫哥洛夫-阿诺德网络 / Clifford Kolmogorov-Arnold Networks
这篇论文提出了一种名为ClKAN的新型神经网络架构,它能够高效地近似处理克利福德代数空间中的函数,并通过创新的随机准蒙特卡洛网格生成和批量归一化策略,解决了高维代数计算量爆炸和输入域变化的问题,在科学发现和工程任务中具有应用潜力。
语义内容决定算法性能 / Semantic Content Determines Algorithmic Performance
这篇论文通过一个名为WhatCounts的测试发现,前沿大语言模型在执行‘计数’这类简单算法任务时,其准确性会因被计数对象(如城市、化学物质)的语义类型不同而产生超过40%的波动,这表明模型并非真正执行算法,而是对算法进行与输入语义相关的近似模拟,这一特性可能广泛存在于各种LLM功能中。
请先 登录 后再提交论文