Forniamo nuovi risultati per problemi nelle macchine computazionali e statistiche
apprendimento utilizzando strumenti di geometria e probabilità ad alta dimensione.
Suddividiamo la nostra trattazione in due parti. Nella parte I, ci concentriamo su
Considerazioni computazionali nell'ottimizzazione. Nello specifico, diamo nuovo
algoritmi per l'approssimazione di politopi convessi in un flusso, sparsificazione e
Regressione robusta ai minimi quadrati, e ottimizzazione dei duelli.
Nella parte II, diamo nuove garanzie statistiche per i problemi di data science. In
particolare, formuliamo un nuovo modello in cui analizziamo le proprietà statistiche
di attacchi di avvelenamento dei dati backdoor, e studiamo la robustezza del grafico
algoritmi di clustering a “utile” specifica errata.

Questo articolo esplora i giri e le loro implicazioni.

Scarica PDF: