5,443
个编辑
更改
跳到导航
跳到搜索
第48行：
第48行： − +
→复杂度对因果结构的影响
[[文件:图 1.png|替代=|无框|500x500像素]]
[[文件:图 1.png|替代=|无框|500x500像素]]
=复杂度对因果结构的影响=
=有效信息揭示复杂度对神经网络因果结构的影响=
为了研究深度神经网络（DNN）在学习过程中因果结构的变化，我们使用了两个经典的分类任务来训练网络：Iris<ref>R. A. Fisher. The Design of Experiments. The American Mathematical Monthly, 43(3):180, 1936. ISSN 00029890. doi: 10.2307/2300364.</ref>和MNIST<ref>Yann LeCun, Corinna Cortes, and CJ Burges. Mnist handwritten digit database. ATT Labs [Online]. Available: <nowiki>http://yann.lecun.com/exdb/mnist</nowiki>, 2, 2010.</ref>。通过跟踪[[有效信息]]变化，我们能够揭示网络内部因果结构的演化，并进一步说明复杂度对因果结构的影响。
为了研究深度神经网络（DNN）在学习过程中因果结构的变化，我们使用了两个经典的分类任务来训练网络：Iris<ref>R. A. Fisher. The Design of Experiments. The American Mathematical Monthly, 43(3):180, 1936. ISSN 00029890. doi: 10.2307/2300364.</ref>和MNIST<ref>Yann LeCun, Corinna Cortes, and CJ Burges. Mnist handwritten digit database. ATT Labs [Online]. Available: <nowiki>http://yann.lecun.com/exdb/mnist</nowiki>, 2, 2010.</ref>。通过跟踪[[有效信息]]变化，我们能够揭示网络内部因果结构的演化，并进一步说明复杂度对因果结构的影响。