arXiv研究用持续同调分析神经网络权重拓扑演化

研究者 Mitra Varun Gogulapati 在 arXiv 上发表论文，用 Vietoris–Rips 持续同调（H0 和 H1）分析同一多层感知机在 Fashion-MNIST 上训练时的权重演化，比较三种监督条件：正确标签、固定随机排列标签和每轮重新排列的标签，覆盖 100 个 epoch、22 个检查点。 研究目的是考察神经元权重点云的持续拓扑在稳定与非平稳监督下如何演化。论文自述结论受多项限制：仅五个随机种子、单一架构和数据集、282 次设有上限的 H1 距离比较，且瓶颈分析被搁置。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。