提出谱神经网络并证明矩阵感知中的隐式正则化

Hong T. M. Chu 等研究者在论文中提出谱神经网络（SNN）架构，让每个神经元对输入矩阵的奇异值施加非线性激活，以奇异值与奇异向量坐标化矩阵空间。该工作属预印本研究成果（arXiv:2402.17595v2）。 理论上，论文证明在梯度流训练下，SNN 矩阵感知模型的平方损失指数级衰减，且训练隐式选择近似最小化核范数的解；作者称这一现象将隐式正则化扩展到了非线性谱参数化。实验也验证了 SNN 在矩阵感知中的有效性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。