Star Geometry

新理论探索Critic-Based Regularizer Learning中的星形几何

研究人员开发了一个理论框架，用于理解通过基于Critic的损失函数学习到的正则化器的结构。这项工作利用星形几何和对偶Brunn-Minkowski理论的工具来分析这些正则化器，它们通常由深度神经网络参数化。该研究为特定场景下的最优正则化器提供了精确表达式，并确定了能够有效实现这些星形体规的神经网络架构，从而深入了解了无监督正则化器学习的几何特性。