English(EN) A Complete Symmetry Classification of Shallow ReLU Networks

研究人员对浅层ReLU神经网络中的对称性进行分类

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-07 04:00

一篇新发表在arXiv上的论文探讨了浅层ReLU神经网络中的对称性，重点关注不同的参数如何导致相同的函数输出。该研究利用ReLU激活函数的不可微特性，实现了对浅层网络情况下这些对称性的完整分类。这项工作建立在先前对参数可辨识性和神经流形几何特性的研究之上，这些特性会影响优化动态。 AI

影响为理解神经网络参数空间提供了理论框架，可能有助于优化和模型可解释性。

排序理由该集群包含一篇在arXiv上发表的学术论文，详细介绍了神经网络对称性的理论分类。[lever_c_demoted from research: ic=1 ai=1.0]

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) · Pranavkrishnan Ramakrishnan · 2026-07-07 04:00

A Complete Symmetry Classification of Shallow ReLU Networks

arXiv:2604.14037v2 Announce Type: replace Abstract: Parameter space is not function space for neural network architectures. This fact, investigated as early as the 1990s under terms such as ``reverse engineering," or ``parameter identifiability", has led to the natural question o…