评估神经网络中的简化水平：超参数配置对复杂度和灵敏度的影响
机器学习
2024-09-25 v1 人工智能
摘要
本文提出了一项实验研究，旨在理解在不同超参数配置下神经网络的简化特性。具体研究了激活函数、隐藏层和学习率等关键超参数对网络输出复杂度及其对输入扰动鲁棒性的影响。本研究采用 MNIST 数据集进行实验，旨在提供超参数、复杂度和灵敏度之间关系的深入见解，为深化对神经网络中这些概念的理论理解作出贡献。
引用
@article{arxiv.2409.16086,
title = {Assessing Simplification Levels in Neural Networks: The Impact of Hyperparameter Configurations on Complexity and Sensitivity},
author = {Huixin Guan},
journal= {arXiv preprint arXiv:2409.16086},
year = {2024}
}