PulseAugur
中
实时 07:06:48
实体 cross-entropy losses

cross-entropy losses

PulseAugur coverage of cross-entropy losses — every cluster mentioning cross-entropy losses across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_360327 ·

    新理论统一了神经网络训练中的梯度下降动力学

    研究人员开发了一个新的理论框架,用于理解神经网络训练中的梯度下降(GD),特别是在步长超过传统稳定性阈值的情况下。这种在实践中常用于更快收敛和更好泛化(尽管损失非单调)的模式,在理论上一直难以解释。新方法通过引入一个参考子空间来取代最小化器流形,从而统一了现有观点,能够为逻辑回归和交叉熵等指数尾部损失推导出严格的收敛速率。分析揭示了一个三阶段阻尼结构,并确定了大步长GD中一种可能影响有限时间与最大间隔方向对齐的隐式偏差。