English(EN) Neural Collapse Dynamics: Depth, Activation, Regularisation, and Feature Norm Threshold

神经崩溃动力学与特征范数阈值相关

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-05 04:00

研究人员确定了一个关键的特征范数阈值 fn*，它在很大程度上决定了深度学习模型中神经崩溃发生的时间。该阈值特定于每个模型-数据集对，并且在很大程度上不受训练条件的影响，尽管训练速度可能会有所不同。研究发现，跨越该阈值始终是神经崩溃的前兆，可作为实际的预测指标。网络深度、激活函数、权重衰减和宽度等因素都会影响崩溃的速度和 fn* 的值。 AI

影响提供了一种新的诊断工具，用于理解和预测深度网络中的表征重组。

排序理由这是一篇发表在 arXiv 上的研究论文，详细介绍了关于神经网络动力学的新发现。[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: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 这是一篇发表在 arXiv 上的研究论文，详细介绍了关于神经网络动力学的新发现。[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, model release; 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: 116 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Anamika Paul Rupa · 2026-06-05 04:00

神经崩溃动力学：深度、激活、正则化和特征范数阈值

arXiv:2604.00230v2 Announce Type: replace Abstract: Neural collapse (NC) -- the convergence of penultimate-layer features to a simplex equiangular tight frame -- is well understood at equilibrium, but the dynamics governing its onset remain poorly characterised. We identify a sim…

本文如何被排名

报道来源 [1]

神经崩溃动力学：深度、激活、正则化和特征范数阈值

相关实体

相关话题