PulseAugur
中
实时 01:09:32
English(EN) The Neural Tangent Kernel for Classification

NTK理论已扩展到神经网络分类

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员已将神经切线核（NTK）理论扩展到分类任务，而此前该理论仅限于回归损失。他们确定了在交叉熵损失的训练过程中，宽神经网络保持恒定NTK的条件，包括参数空间正则化或非退化目标。这使得训练过程可以通过线性化模型进行精确近似，通过NTK提供明确的解的表征，并将模型不确定性与贝叶斯方法联系起来。 AI

影响 扩展了神经网络分类任务训练动力学的理论理解。

排序理由 关于扩展神经网络理论框架的学术论文。[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 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Jonathan Plenk, Sergio Calvo-Ordonez, Alvaro Cartea, Yarin Gal, Mark van der Wilk, Kamil Ciosek ·

    用于分类的神经切线核

    arXiv:2605.17606v2 Announce Type: replace Abstract: In wide neural networks, the Neural Tangent Kernel (NTK) remains approximately constant during training, providing a powerful theoretical tool for studying training dynamics, generalization, and connections to kernel methods. Ho…

相关实体

相关话题