Jun, 2023
ReLU 分类器边界条目的精确计数:朝着分类的恰当复杂度度量
Exact Count of Boundary Pieces of ReLU Classifiers: Towards the Proper Complexity Measure for Classification
Paweł Piwek, Adam Klukowski, Tianyang Hu
TL;DR本文提出一种新方法,通过测量决策边界复杂度来提高分类器的泛化能力和鲁棒性,以 ReLU 神经网络为例,使用热带几何学发展了一种可数边界复杂度的方法,并发现边界复杂度与分类器的其它性能指标不相关,同时也与分类器的鲁棒性负相关。