arXiv发布均值场神经网络训练涨落研究

Arnaud Descours 与 Geoffrey Lacour 在 arXiv 提交论文，研究平均场神经网络训练中非线性可观测量的涨落。作者称，他们证明了平均场涨落可传播到经随机梯度下降训练的浅层神经网络的有限维非线性可观测量，并在加权 Sobolev 空间用泛函 Delta 方法给出可观测量中心极限定理及显式协方差公式。 论文进一步提出，在常数秩假设下，感兴趣量局部通过观测泛函分解，当且仅当观测微分的核包含于感兴趣量的核中。作者称这一框架可用于量化有限宽度不确定性，并判断观测信息是否足以识别目标量。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。