Toutes les news taguées avec ce sujet.
Une analyse théorique fine montre comment l'anisotropie des données redessine les courbes d'apprentissage en grande dimension pour les noyaux polynomiaux.
Une preuve théorique montre qu'un algorithme simple combinant bagging et minimisation robuste du risque empirique bat l'état de l'art en robustesse adversariale.
Une étude théorique prouve qu'une calibration exacte du score de Jaccard exige un nombre exponentiel de dimensions, avec des alternatives approchées en dimension polynomiale.