热点事件观察中

Positive ReLU网络学习论文v2

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Zhijie Zheng提交论文 v2，针对标准高斯输入下正值、无偏置的单隐层 ReLU 网络，给出不依赖隐藏方向分离或条件数假设的多项式样本与实数运算复杂度学习算法。当条件标签均值可由宽度为 k、总输出权重不超过 1 的网络表示时，学习器在平方预测误差为 ε 时输出宽度至多为 k+min{k,d} 的网络，复杂度还与残差二阶矩线性相关。对二阶矩有界的任意标签，算法输出宽度为 O(k log(2/ε)) 的正值 ReLU 网络。

AI 根据报道生成 · 16 小时前更新

最新进展10月21日 12:00

高斯输入下正值 ReLU 网络的多项式学习

报道时间线

沿着报道，了解事件的不同侧面。

10月21日

12:00
arXiv · Machine Learning
高斯输入下正值 ReLU 网络的多项式学习
该论文研究标准高斯输入下正值、无偏置的单隐层 ReLU 网络，给出了不依赖隐藏方向分离或条件数假设的多项式样本与实数运算复杂度算法。在条件标签均值为宽度为 k 且总输出权重不超过 1 的网络时，预测平方误差为 ε 的学习器输出宽度至多为 k+min{k,d}；对二阶矩有界的任意标签，输出网络宽度为 O(k log(2/ε))。

本事件热度走势

可比范围当前: 5
可比范围峰值: 710月21日 23:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。