<kbd id="afajh"><form id="afajh"></form></kbd>
<strong id="afajh"><dl id="afajh"></dl></strong>
    <del id="afajh"><form id="afajh"></form></del>
        1. <th id="afajh"><progress id="afajh"></progress></th>
          <b id="afajh"><abbr id="afajh"></abbr></b>
          <th id="afajh"><progress id="afajh"></progress></th>

          【ICML2022】深度學(xué)習(xí)中的協(xié)同和對稱:數(shù)據(jù)、模型和推理算法之間的交互

          共 472字,需瀏覽 1分鐘

           ·

          2022-07-16 20:37

          來源:專知

          本文為論文介紹,建議閱讀5分鐘

          當(dāng)這些對稱性與數(shù)據(jù)分布的對稱性相容時,學(xué)習(xí)效率最高。



          盡管人們普遍認(rèn)為高維學(xué)習(xí)面臨維數(shù)災(zāi)難,但現(xiàn)代機(jī)器學(xué)習(xí)方法往往表現(xiàn)出驚人的能力,可以在不使用大量數(shù)據(jù)的情況下解決各種具有挑戰(zhàn)性的現(xiàn)實世界學(xué)習(xí)問題。這些方法究竟是如何打破這一詛咒的,仍然是深度學(xué)習(xí)理論中一個根本的開放問題。雖然以前的努力通過研究數(shù)據(jù)(D)、模型(M)和推理算法(I)作為獨(dú)立模塊來研究這個問題,但在本文中,我們將三元組(D, M, I)作為一個集成系統(tǒng)來分析,并識別有助于減輕維度詛咒的重要協(xié)同作用。我們首先研究了與各種學(xué)習(xí)算法(M, I)相關(guān)的基本對稱性,重點(diǎn)關(guān)注深度學(xué)習(xí)中的四種原型架構(gòu):全連接網(wǎng)絡(luò)(FCN)、本地連接網(wǎng)絡(luò)(LCN)和帶池化和不帶池化的卷積網(wǎng)絡(luò)(GAP/VEC)。我們發(fā)現(xiàn),當(dāng)這些對稱性與數(shù)據(jù)分布的對稱性相容時,學(xué)習(xí)效率最高,而當(dāng)(D, M, I)三元組中的任何成員不一致或次優(yōu)時,學(xué)習(xí)效率顯著下降。


          https://arxiv.org/pdf/2207.04612.pdf



          瀏覽 48
          點(diǎn)贊
          評論
          收藏
          分享

          手機(jī)掃一掃分享

          分享
          舉報
          評論
          圖片
          表情
          推薦
          點(diǎn)贊
          評論
          收藏
          分享

          手機(jī)掃一掃分享

          分享
          舉報
          <kbd id="afajh"><form id="afajh"></form></kbd>
          <strong id="afajh"><dl id="afajh"></dl></strong>
            <del id="afajh"><form id="afajh"></form></del>
                1. <th id="afajh"><progress id="afajh"></progress></th>
                  <b id="afajh"><abbr id="afajh"></abbr></b>
                  <th id="afajh"><progress id="afajh"></progress></th>
                  国产网址| 免费观看靠逼视频 | 国产乱淫AV片免费 | 影音先锋成人在线观看 | 老熟仑妇乱一区二区AV |