DNN图像识别的高阶相关结构解释

Robert W. Batterman 和 James F. Woodward 提出，成功实现图像分类的深度神经网络（DNN）需要识别训练数据集中的高阶相关函数，并以此解释网络的泛化能力。 研究指出，数据集自身的结构对图像识别等任务至关重要。作者借鉴凝聚态物理和材料科学中的介观相关结构视角，讨论训练数据中相关结构的性质及其形成机制，并探讨这一解释如何理解DNN泛化能力与统计学习理论之间表面上的矛盾。该研究提出的是一种理论解释框架。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。