实体
regularization
regularization
PulseAugur coverage of regularization — every cluster mentioning regularization across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
正则化技术可防止机器学习模型过拟合
机器学习模型有时会通过死记硬背训练数据来过拟合，而不是学习通用模式，导致在新样本上的表现不佳。正则化是一种通过惩罚过大的模型权重来对抗过拟合的技术。这鼓励模型在良好拟合训练数据和保持简洁性之间找到平衡，最终提高其泛化到未见过数据的能力。
-
新方法估算深度学习模型中的隐式正则化
一篇新论文介绍了梯度匹配方法，用于经验性地估算深度学习系统中的隐式正则化。这种方法可以识别和量化诸如早停（early stopping）和丢弃（dropout）等技术的效果，而这些技术并不总是具有分析上的可解释性。该方法已通过恢复已知显式惩罚和复制隐式效果得到验证，为实践者提供了一个工具，以更好地理解复杂网络中的正则化。