La dynamique de transport des réseaux de neurones : un principe de moindre action pour l'apprentissage en profondeur
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Le point de vue dynamique des réseaux résiduels les considère comme étant analogues à un schéma d'Euler pour une équation différentielle ordinaire. Nous pouvons donc dire que les réseaux résiduels transportent les points d'entrée dans l'espace, le temps étant représenté par la profondeur du réseau. Ce point de vue a par exemple conduit à de nouvelles architectures inspirées d'autres schémas numériques pour les équations différentielles. D'autre part, un biais des réseaux résiduels en faveur de petites perturbations de l'entrée a été observé. Dans le contexte de la vue dynamique des réseaux résiduels mentionnée ci-dessus, ce biais signifie un penchant pour un faible coût de transport. Dans un premier article, nous vérifions expérimentalement que ce biais est bénéfique et devrait être encouragé, et nous montrons que contraindre le réseau à approximer une carte de transport optimale en régularisant son coût de transport améliore sa capacité de généralisation. Dans un deuxième article, nous montrons que l'application de cette régularisation de transport à des modules neuronaux successifs sans rétropropagation entre eux revient à suivre un flux de gradient pour minimiser la perte dans l'espace des distributions, améliorant ainsi les performances de l'entraînement par module. Dans un troisième article, nous proposons un détecteur d'attaques adverses basé sur la vue des réseaux résiduels en tant que systèmes dynamiques discrets, et montrons que la régularisation du transport facilite la détection des attaques adverses.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle