English(EN) On the expressivity of deep Heaviside networks

深度海维赛德网络：通过跳跃连接和线性激活增强表达能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-11 04:00

一篇新发表在arXiv上的论文探讨了深度海维赛德网络（DHNs）的表达能力。研究表明，虽然DHNs在表达能力方面存在固有局限性，但通过引入跳跃连接或具有线性激活的神经元可以缓解这些局限性。该研究为这些增强型网络架构的Vapnik-Chervonenkis维度和逼近率提供了理论界限，并具体应用于推导非参数回归模型中DHN拟合的统计收敛率。 AI

影响这项研究有助于加深对神经网络能力的理论理解，可能为设计更高效的模型提供信息。

排序理由该集群包含一篇详细介绍神经网络表达能力理论进展的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

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 stat.ML TIER_1 English(EN) · Insung Kong, Juntong Chen, Sophie Langer, Johannes Schmidt-Hieber · 2026-08-11 04:00

深度赫维赛德网络的可表达性研究

arXiv:2505.00110v2 Announce Type: replace Abstract: We show that deep Heaviside networks (DHNs) have limited expressiveness but that this can be overcome by including either skip connections or neurons with linear activation. We provide lower and upper bounds for the Vapnik-Cherv…

报道来源 [1]

深度赫维赛德网络的可表达性研究

相关实体

相关话题