Wir liefern neue Ergebnisse für Probleme in rechnerischen und statistischen Maschinen
Lernen mit Werkzeugen der hochdimensionalen Geometrie und Wahrscheinlichkeit.
Wir unterteilen unsere Behandlung in zwei Teile. In Teil I, wir konzentrieren uns auf
rechnerische Überlegungen bei der Optimierung. Speziell, Wir geben Neues
Algorithmen zur Approximation konvexer Polytope in einem Stream, Sparsifizierung und
Robuste Regression der kleinsten Quadrate, und Duelloptimierung.
Im Teil II, Wir geben neue statistische Garantien für datenwissenschaftliche Probleme. In
besondere, Wir formulieren ein neues Modell, in dem wir statistische Eigenschaften analysieren
von Backdoor-Data-Poisoning-Angriffen, und wir untersuchen die Robustheit von Graphen
Clustering-Algorithmen zu “hilfreich” Fehlspezifikation.

Dieser Artikel untersucht Zeitreisen und deren Auswirkungen.

PDF herunterladen: