Fields-Medaillengewinner Wang Hong auch bei NeurIPS veröffentlicht
NeurIPS
Der neu ernannte Fields-Medaillengewinner Wang Hong hat eine Arbeit auf der NeurIPS 2019 zur Approximation von Matrizen mit niedrigem Rang mitverfasst, die den Riesz-Thorin-Interpolationssatz aus der harmonischen Analysis nutzt, um Approximationsschranken zu verschärfen. Diese interdisziplinäre Arbeit wird als klassischer Fall reiner Mathematik zur Lösung von Problemen des maschinellen Lernens hervorgehoben und passt perfekt zu den neuen Überprüfungskriterien der NeurIPS 2026 für Theoriearbeiten.
Wang Hong, frischgebackener Fields-Medaillengewinner, veröffentlichte auf dem NeurIPS 2019 eine gemeinsame Arbeit über Niedrigrang-Matrixapproximation, eine grundlegende Aufgabe im Maschinenlernen und in der Datenanalyse. Die Arbeit verbesserte die Approximationsgüte des Column Subset Selection (CSS) Algorithmus: für 1 ≤ p ≤ 2 erreicht sie (k+1)^(1/p), für p ≥ 2 erreicht sie (k+1)^(1-1/p), enger als die vorherige Schranke O(k+1). Der entscheidende Fortschritt war die Anwendung des Riesz-Thorin-Interpolationssatzes aus der harmonischen Analysis, ein Werkzeug, das damals in der theoretischen Informatik kaum verwendet wurde. Gutachter lobten dies als den wichtigsten technischen Beitrag und bezeichneten die Arbeit als solide. Bemerkenswerterweise ist dies unter den fast 40 Arbeiten auf Wangs Homepage die einzige ohne direkten Link. Die Arbeit zeigt exemplarisch, wie reine Mathematik Probleme des maschinellen Lernens lösen kann, und passt zu den neuen Bewertungsrichtlinien für Theoriebeiträge auf dem NeurIPS 2026, die mathematische Strenge und interdisziplinäre Methodik schätzen.
Quelle: QbitAI 量子位 —
Original