PulseAugur
中
实时 13:55:56
English(EN) Finite-Width Neural Tangent Kernels from Feynman Diagrams

使用费曼图计算有限宽度神经网络核校正

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的方法，使用费曼图来计算神经网络切线核（NTKs）的有限宽度校正。这种方法简化了代数运算，并实现了层级递归关系，用于预测前导阶的训练动态。该框架已被证明可以扩展深度网络的稳定性结果，并证实对于像ReLU这样的尺度不变非线性函数，在Gram矩阵对角线上不存在有限宽度校正。数值实现表明，这些校正与宽度大于约20的采样神经网络统计数据一致。 AI

影响 引入了一个新的理论框架来分析神经网络训练动态，可能带来更深入的理解和更稳定的模型。

排序理由 学术论文发表在arXiv上，详细介绍了神经网络分析的新理论框架。[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) · Max Guillen, Philipp Misof, Jan E. Gerken ·

    Finite-Width Neural Tangent Kernels from Feynman Diagrams

    arXiv:2508.11522v4 Announce Type: replace Abstract: Neural tangent kernels (NTKs) are a powerful tool for analyzing deep, non-linear neural networks. In the infinite-width limit, NTKs can easily be computed for most common architectures, yielding full analytic control over the tr…

相关实体

相关话题