反復関数系としての深層ニューラルネットワークおよび汎化誤差限界
TL;DR深層ニューラルネットワーク（DNN）を確率的な反復関数系（IFS）として捉え直す新しい理論的枠組みが提案されました。この視点により、モデルの安定性を数学的に保証し、生成モデルにおける汎化性能のバウンド（限界）を導出しています。さらに、この理論に基づく新しい学習目的関数を提案し、画像データセットでその有効性を検証しています。
Cog AI Archive
最新の記事
人気記事ピックアップ
RedSage: サイバーセキュリティに特化した汎用LLM
TL;DRRedSageは、プライバシーリスクを回避しつつ多様なセキュリティ業務を支援するために開発された、オープンソースのサイバーセキュリティ特化型LLMである。118億トークンの専門データによる事前学習と、エージェントベースのパイプラインで生成された26.6万件の指示データによる調整を経て、既存モデルを上回る性能を実現した。
保存済みの記事がまだありません。
読み込み中…