arXiv · cs.AI· Sanjeeb Dash, Soumyadip Ghosh, Joao Goncalves, Mark S. Squillante·· 5 小时前
面向稀疏整数规划训练学习模型的分布鲁棒正则化
Distributionally Robust Regularization of Sparse Integer Programming Trained Learning Models
arXiv:2311.01994v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Sanjeeb Dash, Soumyadip Ghosh, Joao Goncalves, Mark S. Squillante
研究任务与主要进展
研究者提出一种将分布鲁棒正则化扩展到混合整数稀疏规划的方法，并给出与稀疏参数相关的统计保证。该方法以带特征值规则的可解释二分类模型为例，目标是在减少交叉验证计算负担的同时处理稀疏性与预测准确率之间的权衡；材料仅提供论文摘要，未说明实验细节和性能结果。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org