梯度增强的深度神经网络逼近
机器学习
2022-11-09 v1 数值分析
数值分析
摘要
我们在本工作中提出用于函数逼近与不确定性量化的梯度增强深度神经网络（DNNs）方法。更确切地说，所提方法同时采用函数取值及其梯度信息以获得增强的逼近精度。特别地，梯度信息作为正则化项纳入梯度增强 DNNs 方法中，对此我们给出了与路径范数正则化 DNNs 逼近中类似的（由两层神经网络得到的）后验估计。我们还讨论了该方法在梯度增强不确定性量化中的应用，并给出若干数值实验表明所提方法在许多感兴趣的情形下优于传统 DNNs 方法。
引用
@article{arxiv.2211.04226,
title = {Gradient-enhanced deep neural network approximations},
author = {Xiaodong Feng and Li Zeng},
journal= {arXiv preprint arXiv:2211.04226},
year = {2022}
}
备注
14 pages, 3 figures