神经正切核:综述
机器学习
2022-08-30 v1
摘要
一项开创性工作 [Jacot et al., 2018] 证明,在特定参数化下训练神经网络,当宽度趋于无穷时等价于执行一种特定的核方法。这一等价性为将丰富的核方法文献结果应用于难以处理的神经网络开辟了一条有前景的方向。本综述涵盖了关于宽度趋于无穷时核收敛、有限宽度修正、应用以及相应方法局限性的讨论等关键结果。
引用
@article{arxiv.2208.13614,
title = {Neural Tangent Kernel: A Survey},
author = {Eugene Golikov and Eduard Pokonechnyy and Vladimir Korviakov},
journal= {arXiv preprint arXiv:2208.13614},
year = {2022}
}
备注
47 pages, 8 figures