Почему качество модели спектрального прогноза тяжелого веса

arXiv:2610.13123v1 Annuate Type: New Habstract: Твердое понимание прогнозируемого успеха глубоких нейронных сетей (DNN) по-прежнему остается неуловимым. Например, несмотря на существование многих зависящих от данных показателей, которые призваны прогнозировать качество моделей ДСН, эти показатели могут быть дорогостоящими для расчета крупных наборов данных и/или невозможны для вычисления в тех случаях, когда не выпускаются комплекты учебных материалов. Практическое и эффективное прогнозирование качества моделей предполагает анализ весовых матриц DNN, поскольку в ходе предыдущей работы было установлено, что спектральное распределение тяжелых материалов в подготовленных матрицах веса может быть весьма предусмотрительным с точки зрения качества модели. Однако такие показатели не имеют строгого статистического обоснования. В этой работе мы стремимся понять, почему эти показатели работают хорошо с статистической точки зрения. Для этого мы используем вероятностную основу для определения предельной вероятности ДНN, оцениваемой с использованием лишь веса окончательного слоя. По всему масштабному слиянию DNN и MLM мы видим, что этот маргинальный анилиху