PulseAugur
中
实时 10:49:34
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] ·

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 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Anamika Paul Rupa ·

    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…

相关实体

相关话题