跳到正文
arXiv · ML· Ethan Levien, Trevor GrandPre·· 29 天前AI 评分23

极值数据驱动学习中的相变研究

Phase Transitions in Learning Driven by Extremal Data

AI 导读

该研究通过最小模型分析极值回归问题,揭示了梯度流中存在两个相变:内在冻结相变和检索相变。 研究推导了大袋 n 和高维 d 极限下的梯度流低维投影,数值模拟确认了相图及有限规模训练梯度向预测渐近形式的收敛。

来源:arXiv · ML · arxiv.org