提出Hermite本征结构近似

基于论文摘要，作者提出Hermite eigenstructure ansatz（HEA），仅利用经验数据协方差矩阵和目标函数的经验多项式分解，预测核回归在不同样本量下的测试风险学习曲线。作者证明HEA适用于高斯数据，并报告在CIFAR-5m、SVHN和ImageNet等真实图像数据上具有较好的经验效果；此外，在特征学习设定下观察到MLP按HEA预测的顺序学习Hermite多项式。

摘自 arXiv · cs.AI

还没有足够的连续观测数据，暂不绘制趋势。