关键词classification function
搜索结果 - 4
- 分类问题中是否存在稳定的神经网络?-- 人工智能稳定性的新视角
在深度学习中,我们引入了一种新的稳定性测量方法,适用于研究不连续函数及其逼近的稳定性。通过证明两个逼近定理,我们展示了对于任何分类函数,都可以构建一个神经网络使其在小于一定误差的测度内准确且稳定,同时也可以构建一个神经网络使其与分类函数在离 - 使用修正线性单元(ReLU)的深度学习
本研究介绍了在深度神经网络中使用修正线性单元作为分类函数来预测类别,通过将神经网络中的倒数第二层的输出与权重参数相乘得到原始分数,再使用修正线性单元函数进行阈值处理,最后通过 argmax 函数得到分类预测。
- 任何分类器的对抗性易受攻击性
本文研究了对抗扰动现象,并推导了任何分类函数的鲁棒性的基本上界,以及证明了存在跨不同分类器传递的具有小风险的对抗扰动。研究显示了生成模型的关键属性,如平滑性和潜在空间的维度,并提供了信息量大的鲁棒性基线。
- 基于时空数据的足球比赛传球分类
本文研究了如何基于足球比赛的时空数据使用计算几何的方法构造预测变量并从带标签的样本中学习分类函数,进而生产一个自动化系统来评估球员之间的传球质量。实验结果表明,我们可以使用计算几何的方式获得相对较高的分类准确率,并且这些变量对于学习到的分类