PulseAugur
中
实时 09:11:48
English(EN) Quantitative Gaussian-Process limits of Tensor Programs

新理论量化神经网络中的高斯过程极限 · 跟踪2个来源

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员利用张量程序开发了一种定量理论，用于分析随机神经网络的高斯过程极限。他们的工作提供了明确的有限宽度误差界限，详细说明了有限网络执行与其理论高斯过程极限之间在Wasserstein距离上的收敛速率。该框架被设计为与架构无关，可应用于各种神经网络设计，包括前馈、循环和Transformer类架构。 AI

影响 提供了一个理解大规模神经网络行为的理论框架，可能有助于设计更健壮和可预测的模型。

排序理由 该集群包含一篇阐述神经网络分析理论进展的学术论文。

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新理论量化神经网络中的高斯过程极限 · 跟踪2个来源

报道来源 [2]

  1. arXiv stat.ML TIER_1 English(EN) · Andrea Agazzi, Eloy Mosig Garc\'ia, Dario Trevisan ·

    张量程序的定量高斯过程极限

    arXiv:2607.06290v1 Announce Type: cross Abstract: We study the infinite-width Gaussian-process limit of random neural networks through the lens of tensor programs, and we provide a quantitative convergence theory in Wasserstein distance. Our main result gives explicit finite-widt…

  2. arXiv stat.ML TIER_1 English(EN) · Dario Trevisan ·

    张量程序的定量高斯过程极限

    We study the infinite-width Gaussian-process limit of random neural networks through the lens of tensor programs, and we provide a quantitative convergence theory in Wasserstein distance. Our main result gives explicit finite-width error bounds, of order inverse square-root of th…

相关实体

相关话题