训练深度残差网络以获得一致逼近保证
马特奥·马奇、巴赫曼·加雷斯法德、保罗·塔布阿达
第三届动力学和控制学习会议记录,PMLR 144:677-6882021年。
摘要
最近的研究表明,深度足够高但宽度有界的深度剩余网络能够在上确界范数意义下进行普适逼近。基于这些结果,我们展示了如何修改现有的深度残差网络训练算法,以便基于训练误差在上确界范数下为测试误差提供近似界。我们的方法基于对这些网络在离散时间和连续时间的控制理论解释,并确定这足以以与大多数当前使用的训练算法兼容的方式适当约束正在学习的参数集。
引用本文
相关材料