研究人员引入了球体回缩归一化（Sphere Retraction Normalizations），一个用于训练深度神经网络的新框架，它泛化了现有的残差连接方法。该方法在黎曼流形上重塑残差连接，通过将隐藏状态限制在超球面上来确保其保持恒定的 L2 范数。该框架引入了两种新方法：Proj-SpheretNorm 和 Cay-SpheretNorm，它们利用代数运算，在 nanoGPT 上表现优于当前的轻量级深度连接方案，表明指数映射并非球形残差流的最佳回缩方式。 AI
影响 引入了一个新颖的神经网络训练框架，该框架泛化了现有方法并在基准测试中表现出改进的性能。
排序理由 介绍神经网络新归一化技术的学术论文。[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 →
