English(EN) Training Deep Morphological Neural Networks as Universal Approximators

新型深度形态神经网络实现通用逼近

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-04 04:00

研究人员开发了新型深度形态神经网络（DMNNs），克服了以往在表达能力和可训练性方面的限制。这些新颖的架构采用了受限线性激活和专用神经元，使其能够充当通用逼近器。实验表明，尽管存在架构限制，这些 DMNNs 仍可训练且结构紧凑，并通过残差连接和权重丢弃提高了泛化能力。 AI

影响引入了一类新的神经网络，其在逼近和可训练性方面具有改进的理论特性。

排序理由该集群包含一篇详细介绍新模型架构和理论结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

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

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Konstantinos Fotopoulos, Petros Maragos · 2026-08-04 04:00

Training Deep Morphological Neural Networks as Universal Approximators

arXiv:2505.09710v4 Announce Type: replace Abstract: We investigate deep morphological neural networks (DMNNs), studying how changes in algebraic structure affect the expressivity and trainability of deep architectures. We show that despite the inherent non-linearity of morphologi…