机构名称：
¥ 1.0
目标该实习的目的是为歧义设置A制定简单的自动选择程序，以有效地解决数据驱动的学习环境中的安全限制。1。首先，我们旨在完善DRO方法中的粗大风险定量。这个问题起源于使用过度广泛的分配变化范围，从而导致ML从业者在选择正确的分配转移家族方面的不确定性。目标是开发自动化方法，以选择歧义性设置a，以适应可能遇到的数据变化，从而在模型精度和这些高维问题的可溶性之间达到平衡[2]。2。第二，我们旨在开发量身定制的最小最大问题结构的随机一阶方法，尤其是受歧义集的几何形状的影响。与先前在[3]中观察到的一般最低最大问题相比，这种方法可能会提高效率。在该领域的成功将导致开源软件和数值基准的发布。
参考
主要关键词
相关文件推荐
