English(EN) A Quotient Homology Theory of Representation in Neural Networks

新的同调理论分析神经网络表示

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-29 04:00

研究人员开发了一种新的方法来分析神经网络表示，通过定义一个创建商空间的等价关系。该空间与输入流形相交时，可以分解为与局部秩和交集相关的分量。该研究证明了神经网络表示的同调群同构于这些商同调群，从而无需外部度量即可内在计算贝蒂数。在玩具数据集上的实验表明，这种重叠同调方法比持久同调更能跟踪拓扑特征，并且还检查了其在训练过程中的演变。 AI

影响引入了一个新颖的理论框架来分析神经网络表示，可能为其拓扑和几何性质提供新的见解。

排序理由详细介绍分析神经网络表示的新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 →

Kosio Beshkov

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]

arXiv cs.LG TIER_1 English(EN) · Kosio Beshkov · 2026-05-29 04:00

神经网络表示的商同调理论

arXiv:2502.01360v4 Announce Type: replace Abstract: Previous research has proven that the set of maps implemented by neural networks with a ReLU activation function is identical to the set of piecewise linear continuous maps. Furthermore, such networks induce a hyperplane arrange…

报道来源 [1]

神经网络表示的商同调理论

相关话题