Gaussian initialisation

新理论将相关性传播与深度学习中的神经切线核联系起来

研究人员在深度神经网络中的相关性传播与神经切线核（NTK）之间建立了理论联系。通过结合均值场理论和随机矩阵理论，他们证明了相关性传播到无限深度仅在权重-偏差方差平面上的临界点才可能发生。在该临界点，端到端雅可比行列式随着深度的增加而代数式地消失，导致NTK与输出相关性成正比。研究还表明，与高斯初始化相比，正交初始化能更好地控制有限宽度、有限深度的网络的渐近动力学。