📊 statistics
Born Discrete, Made Smooth: Variational Formulation of Shallow Neural Networks
यह शोध पत्र पैरामीटर घनत्वों (parameter densities) पर एक सुव्यवस्थित निरंतर रूपांतरण (continuum variational) प्रारूप के माध्यम से विविक्त अनुकूलन (discrete optimization) को प्रतिस्थापित करके उथले न्यूरल नेटवर्क (shallow neural networks) को प्रशिक्षित करने में एक प्रतिमान परिवर्तन (paradigm shift) का प्रस्ताव करता है, जो वैश्विक सुव्यवस्थितता (global well-posedness), नियमितता, और एक एकल रैखिक प्रणाली (single linear system) के माध्यम से इष्टतम समाधान खोजने की क्षमता सुनिश्चित करता है, साथ ही NTK और फीचर-लर्निंग (feature-learning) युगों के बीच के अंतर को भी पाटता है।