结构化数据感知机学习的变分界

本文研究从高斯混合数据中训练有限温度连续自旋感知机，允许广泛的凹效用函数与对数凹可分先验。作者结合插值法、对数凹性和集中不等式，推导极限淬火压力的上下极小极大变分界；当两个关键优化次序可交换时，界相等，并统一给出基态能量、训练损失和泛化误差的计算路径。