Kernel interpolation generalizes poorly
核插值的泛化表现不佳AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究通用核回归与神经网络泛化理论，没有所列计量经济学细分领域的直接证据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
核插值的泛化表现不佳
- 研究问题
- 核插值是否能够良好泛化，并帮助解释深度网络研究中的良性过拟合现象，哪些核与网络情形面临限制？
- 方法与思路
- 作者在摘要所称的温和条件下建立核插值泛化误差下界，并将相关结论用于定义在球面上的过拟合宽神经网络。
- 材料陈述的贡献
- 摘要称，误差下界表明一大类核的插值泛化受限；球面上所述过拟合宽网络的泛化限制是其直接推论。
- 阅读关注点
- 核对温和条件的具体内容、误差与概率表述、适用核类，以及球面宽网络推论所依赖的模型对应关系。
- 阅读边界
- 仅据所给 Crossref 摘要。具体条件、误差定义和下界的量词范围未展开，不能推广至所有核、网络或过拟合情形。
原文摘要
Summary One of the most interesting problems in the recent renaissance of the studies in kernel regression might be whether kernel interpolation can generalize well, since it may help us understand the ‘benign overfitting phenomenon’ reported in the literature on deep networks. In this paper, under mild conditions, we show that, for any ε>0, the generalization error of kernel interpolation is lower bounded by Ω(n−ε). In other words, the kernel interpolation generalizes poorly for a large class of kernels. As a direct corollary, we can show that overfitted wide neural networks defined on the sphere generalize poorly.