Core Concepts
多項式幅は高次元特徴の集合表現に十分であることを示す
Abstract
この論文では、DeepSetsアーキテクチャを使用した集合表現学習において、中間埋め込み空間をモデル化するためにどれだけのニューロンが必要かに焦点を当てています。論文は、多項式数のニューロンが集合サイズや特徴次元に対して十分であることを肯定的に示しています。これは以前の結果から指数関数的なものから多項式関数へと進歩したものです。
Stats
LPアーキテクチャでは、L ≤ N 5D2
LEアーキテクチャでは、L ≤ N 4D2
Quotes
"Our theory takes high-dimensional features into consideration while significantly advancing the state-of-the-art results from exponential to polynomial."
"Compared with prior arts, our theory provides an affirmative answer that polynomial many neurons in the set size and feature dimension are sufficient."