源自无限神经网络的深度核方法探索
机器学习
2015-09-03 v2 神经与进化计算
摘要
当代深度神经网络在实际问题中展现出优异的结果。尽管这些网络的固有容量可能显著超出训练样本的数量，它们仍具有良好的泛化能力。我们在深度无限神经网络的背景下分析了这一行为。我们证明深度无限层与高斯过程和核方法自然对齐，并设计了编码这些网络信息的随机核。我们证明稳定性结果依然适用，从而为其实证成功提供了解释。
引用
@article{arxiv.1508.05133,
title = {Steps Toward Deep Kernel Methods from Infinite Neural Networks},
author = {Tamir Hazan and Tommi Jaakkola},
journal= {arXiv preprint arXiv:1508.05133},
year = {2015}
}