Закон о закрытой форме для невральной скопления в глубоководных линейных сетях

arXiv: 261.20.21820v 1 Тип уведомления: новое резюме: насколько глубина и ширина обучаемых форм нейронных сетей обычно изучаются только после прохождения подготовки. Мы показываем, что в удобных для работы условиях обучения на курсах эта зависимость может быть получена в закрытом виде. Используя нейронный коллапс как зонд геометрии представления, мы выражаем NC1-NC3 непосредственно в виде ядро изученной функции, распространяя идентификационный номер NC1, известный для угловой части НС2, и NC3, считываемый под хребтом. Для глубоких линейных сетей с переменной структурой классов полученные уравнения ядер дают геометрический закон, точно в рамках теории, для эволюции по слоям изменчивости внутри класса. На большой ширине суммарное сжатие становится функцией отношения глубины к виле $L/N$, причем его скорость определяется самостоятельно данными, предварительными и архитектурными. Цифровые эксперименты подтверждают производную зависимость от глубины, ширины и соотношения " сигнал-шум &qt; . В результате мы получили фотографию.