研究人员使用应用于源自深度非弹性散射（DIS）数据的部分子分布函数（PDF）的神经切线核（NTK）方法，分析了前馈神经网络的训练动力学。该方法提供了对数据和方法如何影响训练的分析视图，将先前单一风味（flavor）的分析推广到多风味场景。研究表明，基于梯度的优化和参数化通过增量包含NTK模式来充当确定PDF的病态反问题的正则化器。值得注意的是，仅需少数领先的NTK模式即可准确重建目标PDF，而噪声则由训练后期学习到的次领先模式捕获。 AI
影响 提供了对神经网络训练动力学的更深入理解，可能适用于其他物理应用和机器学习任务。
排序理由 该条目是一篇研究论文，详细介绍了对神经网络训练动力学的理论分析。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
- deep inelastic scattering
- feed-forward neural network
- gradient-based optimisation
- Neural tangent kernel
- Parton Distribution Functions
- Shapley value
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
