English(EN) On the Geometry and Optimization of Polynomial Convolutional Networks

代数几何探索多项式卷积网络

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-15 04:00

一篇新的研究论文探讨了多项式卷积网络的几何和优化特性，该网络使用单项式激活函数。通过应用代数几何的工具，该研究分析了这些网络形成的“神经流形”，详细说明了其维度、次数和奇点。研究还提供了一个公式，用于估算在大数据集上回归损失优化过程中遇到的临界点的数量。 AI

影响为特定类别的神经网络的结构和优化提供了理论见解，可能为未来的模型设计提供信息。

排序理由该集群包含一篇详细介绍神经网络架构新颖理论研究的学术论文。[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 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Vahid Shahverdi, Giovanni Luca Marchetti, Kathl\'en Kohn · 2026-06-15 04:00

On the Geometry and Optimization of Polynomial Convolutional Networks

arXiv:2410.00722v3 Announce Type: replace Abstract: We study convolutional neural networks with monomial activation functions. Specifically, we prove that their parameterization map is regular and is an isomorphism almost everywhere, up to rescaling the filters. By leveraging on …