English(EN) Near-optimal estimates for the $\ell^p$-Lipschitz constants of deep random ReLU neural networks

新研究估计深度随机ReLU神经网络的Lipschitz常数

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-11 04:00

一篇新发表在arXiv上的论文提出了深度随机ReLU神经网络的$\ell^p$-Lipschitz常数的近最优估计。该研究关注具有随机参数和特定He初始化变体的网络，为宽网络推导了高概率的上界和下界。研究强调了$\ell^p$-Lipschitz常数的行为在$p$属于$[1,2)$或$[2,\infty]$区间时存在显著差异。 AI

影响为深度神经网络的特性提供了理论见解，可能为未来的模型架构和训练策略提供信息。

排序理由该集群包含一篇发表在arXiv上的学术论文，详细介绍了关于神经网络的理论研究。[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 →

本文如何被排名

Signal score: 26 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇发表在arXiv上的学术论文，详细介绍了关于神经网络的理论研究。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv stat.ML TIER_1 English(EN) · Sjoerd Dirksen, Patrick Finke, Paul Geuchen, Dominik St\"oger, Felix Voigtlaender · 2026-09-11 04:00

深度随机ReLU神经网络的$\ell^p$-Lipschitz常数的近最优估计

arXiv:2506.19695v2 Announce Type: replace Abstract: This paper studies the $\ell^p$-Lipschitz constants of ReLU neural networks $\Phi: \mathbb{R}^d \to \mathbb{R}$ with random parameters for $p \in [1,\infty]$. The distribution of the weights follows a variant of the He initializ…

本文如何被排名

报道来源 [1]

深度随机ReLU神经网络的$\ell^p$-Lipschitz常数的近最优估计

相关实体

相关话题