关键词optimal constant solution
搜索结果 - 2
- 神经网络和人类中的最优恒定解的早期学习
在这篇研究中,我们展示了实证和理论上的结果,证明深度神经网络在学习目标函数之前存在一个早期阶段,其中网络学习最佳常数解(OCS),即初始模型的响应与目标标签的分布相匹配,完全忽略输入中提供的信息。通过使用分层类别学习任务,我们推导出具有偏移 - 深度神经网络的可预测外推倾向
神经网络预测在面对越来越多的分布外数据时,往往呈现出不可预测和过度自信的特点。然而,我们的研究发现,与其任意拟合,神经网络预测往往趋向于一个恒定值,并且这个值通常接近于最优恒定解(OCS),即在没有观察到输入时最小化训练数据平均损失的预测。