本文提出了一个理论框架，用于理解深度算子网络（特别是DeepONet等架构）中的神经缩放定律。该研究分析了与网络大小和训练数据相关的逼近误差和泛化误差，为具有低维结构的输入提供了更严格的界限。这些发现也延伸到深度ReLU网络，为算子学习提供了理论基础。 AI
排序理由 这是一项在arXiv上发表的关于机器学习中神经缩放定律的理论研究。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2410.00357v2 Announce Type: replace-cross Abstract: Neural scaling laws play a pivotal role in the performance of deep neural networks and have been observed in a wide range of tasks. However, a complete theoretical framework for understanding these scaling laws remains und…