Dropout网络Sobolev逼近率研究
热点事件观察中
Dropout网络Sobolev逼近率研究
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
一篇新论文研究了 Dropout 神经网络的逼近性质：以保留概率 p 随机保留边的 ReLU 网络，可以逼近 Sobolev 空间 W^{n,∞}([0,1]^d) 的单位球。 作者 Jia-He Yao 构造出常数深度、规模为 Õ_{n,d}(p^{-9}ε^{-max{d/n,2}} log(1/δ)) 的网络，并以至少 1-δ 的概率保证一致逼近。该结果给出了网络规模随保留概率 p 与精度 ε 变化的显式上界。
AI 根据报道生成 · 14 小时前更新
最新进展10月5日 12:00
Dropout 神经网络的逼近性质：Sobolev 速率与置信界报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv cs.LGDropout 神经网络的逼近性质：Sobolev 速率与置信界
研究以保留概率 p 随机保留边的 ReLU 网络逼近 W^{n,∞}([0,1]^d) 单位球，构造出常数深度、规模为 Õ_{n,d}(p^{-9}ε^{-max{d/n,2}} log(1/δ)) 的网络，并以至少 1-δ 的概率保证一致逼近。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。