论文部分内容阅读
在讨论了现有的泛化理论和“VC”维理论的基础上,结合考虑了样本复杂度与学习算法等因素,该文提出网络“虚假复杂度”的概念。文中通过分析、比较说明“虚假复杂度”能够很好地解释“VC”维与实际偏差。在“虚假复杂度”概念基础上,该文采用奇异值分解(SVD)的方法,自适应地“压缩”网络。模拟实验表明这个方法很好地解决了网络最优规模的确定问题,从而既缩小了网络规模又提高了网络的泛化性能。