散射网络的分离容量

在本文中，我们试图通过Cover的函数计数理论来分析卷积神经网络（CNN）作为分类任务中特征提取器的理论理解。具体来说，我们关注分离容量这一概念，它是一个通过计数可实现二分（即二元标签分配）数量得出的组合量。我们的贡献有三点。首先，我们通过为分离容量建立一个概念上有洞察力且实践上有用的公式来扩展Cover的框架。其次，利用这一公式，我们识别了采用特定CNN架构（即散射网络）的特征提取器的分离容量由其网络构建块决定的因素。第三，我们为散射网络设计提供了实践见解。