Sarà Andrea Montanari, Professore presso i Dipartimenti di ingegneria elettrica, di statistica e di matematica dell'Università di Stanford, a inaugurare la nuova stagione 2023 del ciclo di seminari dedicati al rapporto tra matematica e intelligenza artificiale.
Titolo del talk è Overparametrization in machine learning: insights from linear models.
Di seguito l'abstract.
Deep learning models are often trained in a regime that is forbidden by classical statistical learning theory. The model complexity is often larger than the sample size and the train error does not concentrate around the test error. In fact, the model complexity can be so large that the network interpolates noisy training data. Despite this, it behaves well on fresh test data, a phenomenon that has been dubbed `benign overfitting.'I will review recent progress towards understanding and characterizing this phenomenon in linear models.
[Based on joint work with Chen Cheng].
Il seminario sarà trasmesso in streaming sul canale YouTube CNR IAC.
Qui il programma completo dei seminari.
