A case where a spindly two-layer linear network decisively outperforms any neural network with a fully connected input layer

Manfred K. Warmuth; Wojciech Kotłowski; Ehsan Amid

System Informacji Naukowej Politechniki Poznańskiej

PL EN

Strona główna / Publikacje / A case where a spindly two-layer linear network decisively outperforms any neural network with a fully connected input layer

Zgłoś uwagę

Rozdział

Pobierz BibTeX

Tytuł

A case where a spindly two-layer linear network decisively outperforms any neural network with a fully connected input layer

Autorzy

Manfred K. Warmuth
Wojciech Kotłowski (WIiT) ^{[ 1 ][ 2.3 ][ P ]}
Ehsan Amid

^{[ 1 ]} Instytut Informatyki, Wydział Informatyki i Telekomunikacji, Politechnika Poznańska | ^{[ P ]} pracownik

Dyscyplina naukowa (Ustawa 2.0)

[2.3] Informatyka techniczna i telekomunikacja

Rok publikacji

2021

Typ rozdziału

rozdział w monografii naukowej / referat

Język publikacji

angielski

Słowa kluczowe

EN

neural networks
scale invariance
spindly network
gradient descent
lower bounds

Strony (od-do)

1214 - 1236

URL

http://proceedings.mlr.press/v132/warmuth21a.html

Książka

Proceedings of the 32nd International Conference on Algorithmic Learning Theory

Zaprezentowany na

32nd International Conference on Algorithmic Learning Theory (ALT 2021), 16-19.03.2021

Tryb otwartego dostępu

witryna wydawcy

Wersja tekstu w otwartym dostępie

ostateczna wersja opublikowana

Czas udostępnienia publikacji w sposób otwarty

w momencie opublikowania

Punktacja Ministerstwa / rozdział

5

Punktacja Ministerstwa / konferencja (CORE)

70

System tworzony przez Politechnikę Poznańską oraz Poznańskie Centrum Superkomputerowo-Sieciowe

Zaloguj się przez eKonto, aby dodać do SIN