深度 ReLU 网络在特征提取和泛化中的深度选择(2022 Q1).zip

上传者: 43537420 | 上传时间: 2022-09-30 16:05:13 | 文件大小: 1MB | 文件类型: ZIP
本文通过考虑深度在特征提取和泛化中的作用,研究了深度网络的理论优势。主要贡献是四个。首先,在相同的容量成本下 (通过覆盖数量),我们证明了深网在提取组结构特征方面优于浅网。其次,我们证明了深remu网是提取平滑度特征的最佳工具之一。第三,我们严格证明了特征对深度和反之的适应性,从而得出了在深度网络上实现经验风险最小化的最佳学习率。最后,我们进行了广泛的数值实验,包括玩具模拟和真实数据验证,以显示深度网络在特征提取和泛化方面的出色表现。所有这些结果为深度学习的成功提供了合理的解释,并为使用深度网络提供了坚实的指导。在本文中,我们仅考虑回归问题中的深度选择。为分类制定类似的结论将是有趣且重要的。我们将考虑这个主题,并在以后的研究中报告进展。

文件下载

资源详情

[{"title":"( 3 个子文件 1MB ) 深度 ReLU 网络在特征提取和泛化中的深度选择(2022 Q1).zip","children":[{"title":"深度 ReLU 网络在特征提取和泛化中的深度选择(2022 Q1).doc <span style='color:#111;'> 20.97KB </span>","children":null,"spread":false},{"title":"深度 ReLU 网络在特征提取和泛化中的深度选择(2022 Q1).pdf <span style='color:#111;'> 1.47MB </span>","children":null,"spread":false},{"title":"深度 ReLU 网络在特征提取和泛化中的深度选择(2022 Q1).png <span style='color:#111;'> 36.13KB </span>","children":null,"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明