PulseAugur
中
实时 08:55:26

新方法利用最优控制和误差估计来调整神经网络深度

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种新颖的方法，通过基于误差估计调整深度来适应神经网络架构。该方法将神经网络训练视为一个最优控制问题，能够进行严格的误差估计，精确指出网络层中近似误差最高的位置。通过在这些关键点插入新层，网络可以更有效地学习数据的复杂变化。该方法利用有限元分析中的双重加权残差方法，为函数误差提供可计算的上限，在包括纳维-斯托克斯方程在内的科学数据集上的泛化性能优于现有适应技术。 AI

影响 这项研究为优化神经网络深度提供了一种原则性的方法，有望为复杂科学问题带来更高效、更准确的模型。

排序理由 该集群包含一篇学术论文，详细介绍了神经网络架构适应的新方法。[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 2 个来源。 我们如何撰写摘要 →

新方法利用最优控制和误差估计来调整神经网络深度

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · C G Krishnanunni, Thomas Scott, Tan Bui-Thanh ·

    An optimal control approach for neural network architecture adaptation with a posteriori error estimation

    arXiv:2607.07637v1 Announce Type: new Abstract: This work presents a novel approach for adapting neural network architecture along the depth based on a posteriori error estimation. By formulating neural network training as a continuous-time optimal control problem, we derive rigo…

  2. arXiv cs.LG TIER_1 English(EN) · Tan Bui-Thanh ·

    An optimal control approach for neural network architecture adaptation with a posteriori error estimation

    This work presents a novel approach for adapting neural network architecture along the depth based on a posteriori error estimation. By formulating neural network training as a continuous-time optimal control problem, we derive rigorous error estimates that quantify how approxima…

相关实体

相关话题