English(EN) Parameter symmetries determine representational geometry in overparameterized nonlinear networks

新研究将参数对称性与神经网络中的表示几何联系起来

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-02 04:00

一篇新发表在arXiv上的研究论文探讨了过参数化非线性神经网络中参数对称性与表示几何之间的关系。研究表明，一类参数对称性可以分解为三种基本特征变换：加法、复制和缩放。这种分析可以将表示几何分解为基本和辅助组件，阐明在保持函数固定的情况下，退化如何随着过参数化而增加。研究还表明，特定的实现级别选择规则可以解决这种退化，从而产生可识别的反映网络功能贡献的几何形状。 AI

影响为理解神经网络中的表示与其功能之间的关系提供了一个理论框架，可能指导未来的模型设计和解释。

排序理由该集群包含一篇发表在arXiv上的研究论文，详细介绍了关于人工神经网络的理论发现。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 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: 14 / 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上的研究论文，详细介绍了关于人工神经网络的理论发现。[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, model release; 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 cs.LG TIER_1 English(EN) · Marvin Theiss, Lukas Braun, Andrew M. Saxe, Erin Grant · 2026-10-02 04:00

参数对称性决定了过参数化非线性网络中的表示几何

arXiv:2609.39078v1 Announce Type: new Abstract: Representations are routinely used across machine learning, psychology, and neuroscience to draw inferences about the computations of biological and artificial systems. Such inferences presume a meaningful link between representatio…

本文如何被排名

报道来源 [1]

参数对称性决定了过参数化非线性网络中的表示几何

相关实体

相关话题