研究人员开发了一种分析二阶锥输入凸神经网络（SOC-ICNNs）对偶几何的方法。该方法允许直接从最优对偶变量中恢复次微分和局部Hessian等几何特性。这些发现使得SOC-ICNNs的白盒推理机制成为可能，超越了传统的黑盒自动微分。 AI
影响 为理解和潜在地提高凸神经网络的可解释性提供了一个新框架。
排序理由 这是一篇研究论文，详细介绍了一种分析特定类型神经网络的新方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
研究人员探索SOC-ICNN值函数的对偶几何以进行白盒推理
报道来源 [2]
-
Exact Dual Geometry of SOC-ICNN Value Functions
arXiv:2605.04722v1 Announce Type: new Abstract: Input Convex Neural Networks (ICNNs) are commonly used in a two-stage manner: one first trains a convex network and then minimizes it over its input in a downstream inference problem. Recent second-order-cone ICNNs (SOC-ICNNs) enric…
-
Exact Dual Geometry of SOC-ICNN Value Functions
Input Convex Neural Networks (ICNNs) are commonly used in a two-stage manner: one first trains a convex network and then minimizes it over its input in a downstream inference problem. Recent second-order-cone ICNNs (SOC-ICNNs) enrich ReLU-based ICNNs with quadratic and conic modu…