Разъяснение структуры карты сериала " Гражданская невральная сеть >
arXiv: 2610.10666v1 Annuales Type: кросс-бюллетень: Понимание того, почему глубокие нейронные сети делают определенные предсказания имеет большое значение для их безопасного развертывания. В компьютерном видении карты слайденции, показывающие область изображения, которая наиболее важна для прогнозирования, остаются широко используемой формой объяснения. Эмпирическое наблюдение - это видимая спальность градиентных карт с привязкой к нейронным сетям, прошедшим подготовку в ходе состязательных процессов. В настоящем документе мы предлагаем теоретическое объяснение этого явления для двухслойных сетей ReLU. Мы опираемся на установившуюся эквивалентность состязательной подготовки к сведению к минимуму эмпирического риска путем установления наказания с учетом уменьшения веса и дополнительного вариационного термина, применимого для определенных функций потери. По мере роста числа точек данных и нейронов, а параметры регулирования направляются в нулевое значение при соответствующих темпах мы доказываем, что минимизаторы сходятся с классификатором Bayes с минимальным градиентом и нормой Баррона. С тех пор в случае состязательности появляется параллелизм.
