贝叶斯感知器的有限尺寸标度
统计力学
2020-01-14 v1 无序系统与神经网络
人工智能
机器学习
摘要
我们通过最优代价函数上的梯度下降，数值研究了贝叶斯感知器的性质。推导了稳定性的理论分布。该分布预测最优泛化器位于（无错误）解空间的边界附近。数值模拟与理论分布吻合良好。泛化误差外推到无限输入空间大小的结果与理论结果一致。有限尺寸修正为负，并表现出两种不同的标度行为，取决于训练集大小。泛化误差的方差在时消失，证实了自平均性质。
引用
@article{arxiv.cond-mat/9703183,
title = {Finite size scaling of the bayesian perceptron},
author = {A. Buhot and J. -M. Torres Moreno and M. B. Gordon},
journal= {arXiv preprint arXiv:cond-mat/9703183},
year = {2020}
}
备注
RevTeX, 7 pages, 7 figures, submitted to Phys. Rev. E