English(EN) Beyond Activation Alignment: The Geometry of Neural Sensitivity

新框架超越激活对齐来衡量神经敏感性

作者 PulseAugur 编辑部 · [2 个来源] · 2026-05-04 23:21

研究人员开发了一个新的框架，用于评估超越简单激活对齐的神经敏感性。该方法使用局部可解码信息和Fisher信息来衡量表示在噪声下区分微小扰动能力。该方法通过预期的投影回拉/Fisher度量来总结表示，经验上已证明可以恢复独立训练的神经网络中的相应层，并揭示标准训练和鲁棒训练之间的差异。 AI

影响引入了一种分析神经表示的新颖方法，可以增进对模型鲁棒性和层对应关系的理解。

排序理由这是一篇发表在arXiv上的研究论文，详细介绍了机器学习中的新理论框架和经验发现。

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv cs.LG TIER_1 English(EN) · Amirhossein Yavari, Farnaz Zamani Esfahlani · 2026-05-06 04:00

Beyond Activation Alignment: The Geometry of Neural Sensitivity

arXiv:2605.03222v1 Announce Type: new Abstract: Activation-alignment measures such as Representational Similarity Analysis (RSA), Canonical Correlation Analysis (CCA), and Centered Kernel Alignment (CKA) are widely used to compare biological and artificial neural representations.…
arXiv stat.ML TIER_1 English(EN) · Farnaz Zamani Esfahlani · 2026-05-04 23:21

Beyond Activation Alignment: The Geometry of Neural Sensitivity

Activation-alignment measures such as Representational Similarity Analysis (RSA), Canonical Correlation Analysis (CCA), and Centered Kernel Alignment (CKA) are widely used to compare biological and artificial neural representations. Recent theoretical work interprets many of thes…