随机深度神经网络的浓度不等式与最优层数
机器学习
2023-03-21 v4 机器学习
摘要
我们给出了随机深度神经网络（SDNN）隐藏层输出以及整个 SDNN 输出的浓度不等式。这些结果使我们能够引入一个期望分类器（EC），并给出 EC 分类误差的概率上界。我们还通过最优停止过程给出了 SDNN 的最优层数。我们将分析应用于具有 ReLU 激活函数的前馈神经网络的随机版本。
引用
@article{arxiv.2206.11241,
title = {Concentration inequalities and optimal number of layers for stochastic deep neural networks},
author = {Michele Caprio and Sayan Mukherjee},
journal= {arXiv preprint arXiv:2206.11241},
year = {2023}
}