研究人员在深度神经网络中的相关性传播与神经切线核（NTK）之间建立了理论联系。通过结合均值场理论和随机矩阵理论，他们证明了相关性传播到无限深度仅在权重-偏差方差平面上的临界点才可能发生。在该临界点，端到端雅可比行列式随着深度的增加而代数式地消失，导致NTK与输出相关性成正比。研究还表明，与高斯初始化相比，正交初始化能更好地控制有限宽度、有限深度的网络的渐近动力学。 AI
影响 为理解深度学习初始化及其对信息传播和学习动力学的影响提供了理论框架。
排序理由 详细介绍深度学习动力学理论进展的学术论文。[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 →
