English(EN) Minimal Filling Architectures of Polynomial Neural Networks: Counterexamples, Frontier Search, and Defects

新研究挑战多项式神经网络的单峰架构猜想

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-19 04:00

一篇新发表在arXiv上的论文引入了利用幂次激活函数的多项式神经网络（PNNs）的单峰最小填充架构猜想的反例。该研究提交于2026年5月10日，修订于2026年6月17日，证明了当输入和输出宽度固定时，最小填充架构的隐藏层宽度并不总是呈现单峰性。研究结果通过前沿搜索、神经簇的递归维度界限和符号计算得出，揭示了几个存在显著缺陷的子架构，这与之前的观察结果形成对比。 AI

影响这项研究有助于加深对神经网络架构的理论理解，可能影响未来的模型设计和优化策略。

排序理由发表在arXiv上的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Kevin Dao, Jose Israel Rodriguez · 2026-06-19 04:00

Minimal Filling Architectures of Polynomial Neural Networks: Counterexamples, Frontier Search, and Defects

arXiv:2605.09609v2 Announce Type: replace Abstract: We provide counterexamples to the unimodal minimal filling architecture conjecture for polynomial neural networks (PNNs) with power activation functions. Fixing the input and output widths, the conjecture states that any minimal…

报道来源 [1]

Minimal Filling Architectures of Polynomial Neural Networks: Counterexamples, Frontier Search, and Defects

相关实体

相关话题