研究者发布可微信念函数层神经网络论文

Antonin Sulc于2026年10月18日在arXiv提交论文《基于可微信念函数层的神经网络》（arXiv:2610.30173），该论文为BELIEF 2026会议论文，共10页。 论文提出一种结合Yager规则的可微信念函数层神经网络，旨在解决反向传播中Dempster归一化器导致的梯度发散问题。模型将输出中的未知信号纳入考量。 实验表明，在CIFAR-10H数据集上，采用Yager规则的真空度比Dempster规则大9倍，且该模型在分布外检测任务中的表现与强基线方法具有竞争力。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。