Mitra Varun Gogulapati

使用拓扑动力学分析神经网络权重演化

研究人员探索了不同监督条件下的神经网络权重拓扑动力学。通过分析在Fashion-MNIST上训练的多层感知机中权重点云的持久同调，他们观察到使用正确标签训练的模型与使用随机或置乱标签训练的模型之间存在差异。虽然正确标签模型在时间平均H1持久性方面表现出描述性地更大，但在校正后未达到统计学显著性。使用拓扑特征进行早期分类的准确性与传统诊断方法相当或略低，表明在该特定实验设置中没有明显的增量预测改进。