Dropout神经网络逼近性质研究
热点事件持续更新
Dropout神经网络逼近性质研究
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Jia-He Yao 发表论文，研究以保留概率 p 随机保留边的 ReLU 网络对 Sobolev 空间 W^{n,∞}([0,1]^d) 单位球的逼近。论文构造出常数深度、规模为 Õ_{n,d}(p^{-9}ε^{-max{d/n,2}}log(1/δ)) 的网络，单次采样网络以至少 1-δ 概率成立。 该结果为 Dropout 网络的逼近能力给出了随保留概率 p 变化的规模上界，p 越小所需网络规模越大。
AI 根据报道生成 · 2 小时前更新
最新进展10月5日 12:00
Dropout 神经网络的逼近性质：Sobolev 速率与置信界报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv：cs.LGDropout 神经网络的逼近性质：Sobolev 速率与置信界
研究以保留概率 p 随机保留边的 ReLU 网络对 W^{n,∞}([0,1]^d) 单位球的逼近，构造出常数深度、规模为 Õ_{n,d}(p^{-9}ε^{-max{d/n,2}}log(1/δ)) 的网络，单次采样网络以至少 1-δ 概率成立。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。