研究人员从理论上分析了无限宽度双层神经网络在学习错误指定的单索引模型时的人口梯度流。该研究通过一个控制相对训练速度的扰动参数联合优化两层，证明了隐藏链接函数的常数和线性分量可以在预测的时间尺度内恢复。该论文还考察了二次分量的学习，证明了先前学习的分量继续影响动力学。该分析利用了积分约束流形附近奇异摄动流的定量近似结果，并在学习二次分量时现象学地观察到权重经验测度的奇异行为。 AI
影响 为深度神经网络的学习机制提供了理论见解，可能为未来的模型架构和训练策略提供信息。
排序理由 学术论文发表在arXiv上，详细介绍了神经网络学习动力学的理论分析。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- berthier2024learning
- Berthierville
- cs.LG
- Hugging Face
- Montanari
- Singular perturbations and hierarchical learning in two-layer neural networks
- zhou
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
