梯度下降神经网络训练的普遍性

计算机科学 > 机器学习 arXiv:2007.13664 (cs) [提交于 2020 年 7 月 27 日] 标题：梯度下降神经网络训练的普遍性 作者：G. Welper 查看标题为梯度下降神经网络训练的普遍性论文的 PDF，作者：G. Welper 查看 PDF HTML（实验） 摘要：据观察，神经网络的设计选择通常对其成功优化至关重要。因此，在本文中，我们讨论是否总是可以重新设计神经网络，使其能够通过梯度下降进行良好训练的问题。这产生了以下普遍性结果：对于给定的网络，如果有任何算法可以为分类任务找到良好的网络权重，则存在该网络的扩展，仅通过梯度下降训练即可重现这些权重和相应的前向输出。该结构并非用于实际计算，但它为元学习和相关方法的可能性提供了一些方向。主题：机器学习 (cs.LG)；机器学习 (stat.ML) MSC 类别：68T07、68Q04、90C26 引用为：arXiv:2007.13664 [cs.LG]（或此版本的 arXiv:2007.13664v1 [cs.LG]） https://doi.org/10.48550/arXiv.2007.13664 arXiv 通过 DataCite 发布的 DOI 提交历史记录 发件人：Gerrit Welper [ 查看电子邮件 ] [v1] Mon, 27 Jul 2020 16:17:19 UTC (31 KB) 全文链接：访问论文：查看题为“梯度下降神经网络训练的通用性”的论文的 PDF，作者：G. Welper 查看 PDF HTML（实验）TeX 源代码查看许可证 当前浏览上下文：cs.LG <上一页 |下一页 > 新 |最近 | 2020-07 更改为浏览方式：cs stat stat.ML 参考文献和引文 NASA ADS Google Scholar 语义学者 DBLP - CS 书目列表 | bibtex 正在加载... BibTeX 格式的引文正在加载... 数据提供者： 书签 书目工具 书目和引文工具 书目浏览器 切换书目浏览器（什么是浏览器？） 已连接论文 切换已连接论文（什么是已连接论文？） Litmaps 切换 Litmap（什么是 Litmap？） scite.ai 切换 scite 智能引文（什么是智能）引文？） 与本文相关的代码、数据、媒体 代码、数据和媒体 alphaXiv 切换 alphaXiv（什么是 alphaXiv？） 链接到代码 Toggle CatalyzeX 论文代码查找器（什么是 CatalyzeX？） DagsHub 切换 DagsHub（什么是 DagsHub？） GotitPub 切换 Gotit.pub（什么是 GotitPub？） Huggingface Toggle Hugging Face（什么是 Huggingface？） ScienceCast Toggle ScienceCast（什么是 ScienceCast？） 演示演示 Replicate Toggle Replicate（什么是 Replicate？） Spaces Toggle Hugging Face Spaces（什么是 Spaces？） Spaces Toggle TXYZ.AI（什么是 TXYZ.AI？） 相关论文推荐和搜索工具 影响力花链接 影响力花（什么是影响力）花？） 核心推荐器切换 CORE 推荐器（什么是 CORE？） IArxiv 推荐器切换 IArxiv 推荐器（什么是 IArxiv？） 作者地点 机构 主题 关于 arXivLabs arXivLabs：与社区合作者的实验项目 arXivLabs 是一个框架，允许合作者直接在我们的网站上开发和共享新的 arXiv 功能。与 arXivLabs 合作的个人和组织都接受并接受了我们开放、社区、卓越和用户数据隐私的价值观。 arXiv 致力于这些价值观，并且只与遵守这些价值观的合作伙伴合作。您有一个能为 arXiv 社区增加价值的项目想法吗？了解有关 arXivLabs 的更多信息。这篇论文的哪些作者是认可者？ |禁用 MathJax（什么是 MathJax？）