5,443
个编辑
更改
→近似计算方法
EI = -\frac{m}{2} + m \ln(2\pi) + \sum_{i=1}^m \frac{\ln(\sigma_i^2)}{2} + n \ln(2L) + \mathbb{E}_{X \sim U([-L,L]^n)} \ln |\text{det}(J(X))|
EI = -\frac{m}{2} + m \ln(2\pi) + \sum_{i=1}^m \frac{\ln(\sigma_i^2)}{2} + n \ln(2L) + \mathbb{E}_{X \sim U([-L,L]^n)} \ln |\text{det}(J(X))|
</math>
</math>
其中：
其中：
<math>J(X)</math> 是输入到输出的雅可比矩阵，反映神经网络的映射特性；
<math>J(X)</math> 是输入到输出的雅可比矩阵，反映神经网络的映射特性；