实体
London model
London model
PulseAugur coverage of London model — every cluster mentioning London model across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
机器学习泛化与超导转变物理学相关联
研究人员利用动力学平均场理论解释了机器学习中的“双下降”现象，即模型容量超过数据点时泛化能力仍会提高。这种行为被确定为训练过程中的一个相变，其特征是由于ergodicity破坏导致涨落耗散定理的失效。该研究的发现表明，该相变的响应函数与超导转变的伦敦模型之间存在联系，波函数刚度与神经网络的泛化能力相关。
-
Machine learning double descent linked to superconducting transition physics
一篇新论文探讨了机器学习中的“双下降”现象，即神经网络的泛化能力在其复杂度超过训练数据量时仍能继续提高。研究人员利用动力学平均场理论证明，这种行为源于控制训练过程的随机场论中的一个相变。该相变以遍历性破坏导致涨落耗散定理失效为特征，网络的泛化能力与超导转变的伦敦模型相似。