会员服务
From Logistic Regression to the Perceptron Algorithm: Exploring Gradient Descent with Large Step Sizes
Arxiv
0+阅读 · 12月11日
The Space Complexity of Approximating Logistic Loss
Arxiv
0+阅读 · 12月3日
Multi-Label Learning with Stronger Consistency Guarantees
Arxiv
0+阅读 · 7月18日
Large Stepsize Gradient Descent for Logistic Loss: Non-Monotonicity of the Loss Improves Optimization Efficiency
Arxiv
0+阅读 · 6月10日
Learning with Fitzpatrick Losses
Arxiv
0+阅读 · 5月23日
Classification by sparse generalized additive models
Arxiv
0+阅读 · 5月15日
Classification with Deep Neural Networks and Logistic Loss
Arxiv
0+阅读 · 4月21日
Global Convergence of SGD For Logistic Loss on Two Layer Neural Nets
Arxiv
0+阅读 · 3月17日
A new computationally efficient algorithm to solve Feature Selection for Functional Data Classification in high-dimensional spaces
Arxiv
0+阅读 · 3月5日
Large Stepsize Gradient Descent for Logistic Loss: Non-Monotonicity of the Loss Improves Optimization Efficiency
Arxiv
0+阅读 · 2月24日
Classification by sparse additive models
Arxiv
0+阅读 · 2023年12月25日
Loss-Optimal Classification Trees: A Generalized Framework and the Logistic Case
Arxiv
0+阅读 · 2023年12月7日
Classification by sparse additive models
Arxiv
0+阅读 · 2023年10月31日
Implicit Bias of Gradient Descent for Logistic Regression at the Edge of Stability
Arxiv
0+阅读 · 2023年10月15日
Global Convergence of SGD For Logistic Loss on Two Layer Neural Nets
Arxiv
0+阅读 · 2023年9月17日
参考链接
微信扫码咨询专知VIP会员
Top