本研究では、ニューラルネットワークのパラメータ分布を解析するための強力な手法であるリッジレット変換について、フーリエ表現を用いた統一的な導出方法を提案している。
具体的には以下の4つのケースについて、リッジレット変換の閉形式表現を導出している:
各ケースにおいて、フーリエ表現を用いることで、ネットワークの積分表現をフーリエ変換の形式に変換し、その後変数変換とパラメータの分離表現を行うことで、リッジレット変換の閉形式表現を導出している。
これにより、従来知られていた深さ2の全結合ネットワークのリッジレット変換に加えて、様々な現代的なニューラルネットワークアーキテクチャのリッジレット変換を統一的に扱うことができるようになった。
リッジレット変換は、ニューラルネットワークのパラメータ分布を解析する強力な手法であり、本研究の成果は深層学習理論の発展に大きく貢献するものと期待される。
toiselle kielelle
lähdeaineistosta
arxiv.org
Tärkeimmät oivallukset
by Sho Sonoda,I... klo arxiv.org 04-22-2024
https://arxiv.org/pdf/2402.15984.pdfSyvällisempiä Kysymyksiä