跳到正文
arXiv · ML· Ziyuan Li, Uwe Jaekel, Babette Dellen·· 4 天前AI 评分25

CV-PURe:利用积单位残差网络学习非线性交互与特征耦合

Learning nonlinear interactions and cross-feature couplings with product-unit residual networks

AI 导读

CV-PURe 通过在六项科学基准中四项取得最低平均 RMSE,将 Friedman 误差相对 MLP 降低 53.9%。 该模型在含三阶及四阶乘积的合成任务中,将 RMSE 从 0.1376 降至 0.0797,并完整恢复 9 个真实成对投影。 Friedman 交互图谱将 60.7% 总强度分配给已知交互对,显著优于 MLP 的 31.0%。

来源:arXiv · ML · arxiv.org