深度群卷积神经网络的 VC 维数研究
机器学习
2024-10-22 v1 统计理论
机器学习
统计理论
摘要
本文研究了基于ReLU激活函数的群卷积神经网络(GCNN)的泛化能力，通过推导其VC维数的上界与下界。具体分析了网络层数、权重数及输入维度等因素对VC维数的影响。进一步将所得边界与其他类型神经网络的已知结果进行比较。我们的研究延续了针对具有两层连续GCNN的VC维数结果，为更深入理解GCNN的泛化特性提供了新见解，尤其是关于数据分辨率依赖性的影响。
引用
@article{arxiv.2410.15800,
title = {On the VC dimension of deep group convolutional neural networks},
author = {Anna Sepliarskaia and Sophie Langer and Johannes Schmidt-Hieber},
journal= {arXiv preprint arXiv:2410.15800},
year = {2024}
}