深度卷积神经网络的通用一致性
机器学习
2021-06-24 v1 信息论
math.IT
机器学习
摘要
与实践中华丽的研究活动相比，深度卷积神经网络（DCNNs）理论行为的研究严重滞后。特别是，DCNNs 的通用一致性仍属开放问题。本文中，我们证明在具有扩展卷积（带零填充）的 DCNNs 上实施经验风险最小化是强通用一致的。受通用一致性启发，我们进行了一系列实验，表明在不使用任何全连接层的情况下，具有扩展卷积的 DCNNs 性能不差于广泛使用的、包含收缩（无零填充）卷积层与若干全连接层的混合结构深度神经网络。
引用
@article{arxiv.2106.12498,
title = {Universal Consistency of Deep Convolutional Neural Networks},
author = {Shao-Bo Lin and Kaidong Wang and Yao Wang and Ding-Xuan Zhou},
journal= {arXiv preprint arXiv:2106.12498},
year = {2021}
}
备注
9pages, 4 figures