利用噪声鲁棒性对深度神经网络泛化能力进行排序
机器学习
2020-12-17 v1 机器学习
摘要
近期论文表明，充分过参数化的神经网络甚至可以完美拟合随机标签。因此，理解网络在真实世界数据上泛化性能背后的深层原因至关重要。在这项工作中，我们提出若干度量，在给定训练数据及其参数的情况下预测网络的泛化误差。利用其中一种基于网络噪声鲁棒性的度量，我们在 NeurIPS 2020 的预测深度学习泛化（PGDL）竞赛中获得第 5 名。
引用
@article{arxiv.2012.08854,
title = {Using noise resilience for ranking generalization of deep neural networks},
author = {Depen Morwani and Rahul Vashisht and Harish G. Ramaswamy},
journal= {arXiv preprint arXiv:2012.08854},
year = {2020}
}