早停与标签噪声泛化研究论文提交

1. 12:00
   arXiv · Machine Learning

   标签噪声下何时早停有益？核梯度流的相图

   论文为含不可预测标签噪声的核梯度流推导高维学习曲线，给出早停与训练至插值点何者泛化更优的相图。相图由学习输入与标签共享关系的线性核成分，与支持拟合标签噪声的高阶成分之间的平衡决定；在边界情形，插值端点在所研究的核族和所有训练时间中泛化误差最低。CIFAR10 实验显示，较大、较深的卷积网络即使正确分类了随机标签，测试误差的后期恶化也基本消失；这些网络如何获得类似的有利表示几何仍未解决。

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。