模拟推断不再只训后验网络：把摘要统计量当主角，训练量随观测维度只按多项式增长
模拟推断把低维摘要统计量与摊销后验估计器联合训练，并给出非渐近保证：在指数族与光滑模型两类设定下，达到目标精度所需的训练样本量只随观测维度多项式增长，而不是经典非参数条件分布估计中的指数增长。
ReLU 卷积网络在 Korobov 空间把逼近阶从二阶提升到 m+1 阶，误差随维度的增长远弱于 Sobolev 情形
该工作研究用 ReLU 深度卷积神经网络（CNN）逼近高阶 Korobov 函数 f∈Km+1_p(Ω) 的 Lp 误差，证明当深度 L≤Csd4m3N(log_2 N) 时存在网络使 inf‖f−f_L‖Lp(Ω)≤Cm,d‖Dm+1f‖Lp(Ω)N−m−1(log_2 N)(m+2)(d−1)，即把以往基于二阶混合导数的 O(L−2+1/p) 阶逼近率提升到 (m+1) 阶（相差对数因子），并据此指出 CNN 的高阶表达能力并未严重受维度灾难影响。
已读完全部报道