一篇新发表在arXiv上的研究论文探讨了Hessian矩阵的谱与深度学习模型中使用的数据之间的关系。该研究推导了线性网络的特征值,揭示了对于具有MSE损失的分类任务,解的尖锐度直接与最大类别中的样本比例相关。这些发现得到了经验验证,并且即使在引入非线性后也显示出鲁棒性,将其适用性扩展到更实际的学习场景。 AI
影响 为深度学习优化和泛化提供了理论见解,可能为未来的模型设计提供信息。
排序理由 该集群包含一篇发表在arXiv上的研究论文,详细介绍了关于神经网络的理论和经验发现。
- arXiv
- classification tasks
- deep learning
- generalization
- Hessian matrix
- Linear networks and systems depending polynomially on parameters: Stability for large values subject to tolerance errors
- Loss Landscape
- MSE loss
- Optimization Dynamics: A Bus-Level Distributed Approach for Optimal Power Flows
- second-order learning algorithms
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →