arXiv stat.ML· Yatin Dandi, Matteo Vilucchio, Hugo Tabanelli, Florent Krzakala·· 8 天前AI 评分29
带反向耦合的 Neural LoFi：跨层特征学习的谱理论
Neural LoFi with Backward Coupling: A Spectral Theory of Cross-Layer Feature Learning
AI 导读
研究团队提出了带反向耦合的 Neural LoFi 理论框架，通过模拟反向传播中后层对前层表征的重塑作用，构建了跨层特征学习的谱理论。该算法利用上层敏感度为前序谱步骤生成样本相关的有效标签，可恢复纯前向统计无法捕获的底层特征方向。在二分类 CIFAR-10 实验中，全连接与卷积网络在同等宽度下均取得了优于前向 Neural LoFi 的准确率。
来源：arXiv stat.ML · arxiv.org