English(EN) Geometry-Dependent Approximation and Stability Properties of Shallow ReLU$^k$ Networks on Bounded Euclidean Domains

浅层 ReLU$^k$ 网络：几何依赖的逼近与稳定性分析

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

研究人员发表了一篇论文，详细介绍了有界欧几里得域内浅层 ReLU$^k$ 神经网络的逼近和稳定性性质。该研究量化了隐藏参数的几何形状，特别是填充距离（$h$）和对径分离距离（$\underline h$），如何影响网络性能。研究结果包括几何依赖的谱估计，用于条件和系数稳定性，以及关于范数离散化和从函数值进行正则化恢复的结果。 AI

影响为理解浅层 ReLU 网络的行为和稳定性提供了理论见解，可能为未来的模型架构提供信息。

排序理由该条目是一篇发表在 arXiv 上的研究论文，详细介绍了神经网络的理论性质。[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: 32 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目是一篇发表在 arXiv 上的研究论文，详细介绍了神经网络的理论性质。[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.LG TIER_1 English(EN) · Yuqing Liu, Tong Mao, Jinchao Xu · 2026-11-11 05:00

有界欧几里得域上浅层 ReLU$^k$ 网络中的几何依赖近似与稳定性性质

arXiv:2611.13952v1 Announce Type: new Abstract: On bounded Euclidean domains, we study how hidden-parameter geometry affects shallow ReLU$^k$ networks through results on approximation rates, saturation-type lower bounds, Gram and stiffness matrix spectra, Bernstein and Marcinkiew…

本文如何被排名

报道来源 [1]

有界欧几里得域上浅层 ReLU$^k$ 网络中的几何依赖近似与稳定性性质

相关实体

相关话题