Machine learning double descent linked to superconducting transition physics

一篇新论文探讨了机器学习中的“双下降”现象，即神经网络的泛化能力在其复杂度超过训练数据量时仍能继续提高。研究人员利用动力学平均场理论证明，这种行为源于控制训练过程的随机场论中的一个相变。该相变以遍历性破坏导致涨落耗散定理失效为特征，网络的泛化能力与超导转变的伦敦模型相似。 AI

影响 这项研究为理解复杂神经网络中的泛化提供了理论框架，可能指导未来的模型开发。

排序理由 Academic paper detailing a theoretical finding in machine learning. [lever_c_demoted from research: ic=1 ai=1.0]

在 Hugging Face Daily Papers 阅读 →

• Broken Ergodicity and the Violation of the Fluctuation-Dissipation Theorem Lead to Generalization Beyond Overfitting in Machine Learning
• dynamical mean field theory
• fluctuation-dissipation theorem
• Hugging Face
• London model
• machine learning
• neural networks

• 论文
• 模型发布

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