English(EN) Topological Dynamics Under Non-Stationary Supervision: Persistent Homology of Neural Network Weight Evolution

使用拓扑动力学分析神经网络权重演化

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-11 05:00

研究人员探索了不同监督条件下的神经网络权重拓扑动力学。通过分析在Fashion-MNIST上训练的多层感知机中权重点云的持久同调，他们观察到使用正确标签训练的模型与使用随机或置乱标签训练的模型之间存在差异。虽然正确标签模型在时间平均H1持久性方面表现出描述性地更大，但在校正后未达到统计学显著性。使用拓扑特征进行早期分类的准确性与传统诊断方法相当或略低，表明在该特定实验设置中没有明显的增量预测改进。 AI

影响引入了一种分析神经网络训练动力学的新颖方法，可能为模型行为和泛化提供新的见解。

排序理由该集群包含一篇提交至arXiv的学术论文，详细介绍了新的研究方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 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: 32 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇提交至arXiv的学术论文，详细介绍了新的研究方法。[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 cs.AI TIER_1 English(EN) · Mitra Varun · 2026-11-11 05:00

非平稳监督下的拓扑动力学：神经网络权重演化的持久同调

arXiv:2611.13701v1 Announce Type: new Abstract: We investigate how the persistent topology of neuron- weight point clouds evolves under stable and non-stationary supervision. An identical multilayer perceptron is trained on Fashion-MNIST with correct labels, a fixed random permut…

本文如何被排名

报道来源 [1]

非平稳监督下的拓扑动力学：神经网络权重演化的持久同调

相关实体

相关话题