基于评价者的正则化器学习的星形几何

本研究探讨了基于评价者的损失函数在优化正则化器方面的应用，填补了现有理论对这一过程所学习到的正则化器结构的不足。通过应用星形几何和对偶布伦-闵可夫斯基理论，我们揭示了这些损失在数据分布中的作用，并推导出了某些情况下最优正则化器的精确表达式，强调了该领域的潜在影响和研究价值。