Enhancing supervised surface reconstruction through implicit weight regularization

Amir Noorizadegan

doi:10.1016/j.enganabound.2025.106439

Enhancing supervised surface reconstruction through implicit weight regularization

2025-09-13

0

PRE

AI

DOI：10.1016/j.enganabound.2025.106439

原文链接

原文求助

摘要

En 中文

正则化在稳定神经网络训练和提升泛化能力方面发挥着关键作用。本研究中，我们介绍了Square Highway（SqrHw）网络，这是Highway网络的一种新型变体，通过修改后的仿射变换隐式地正则化权重更新。我们分析了所提出的正则化技术在监督函数近似中的有效性，用于曲面构造任务。这些任务涉及大型结构化数据集和明确的评估指标，便于更清晰地观察方法性能。结果表明，SqrHw在收敛性和权重更新稳定性方面表现更优，超越了标准多层感知机（MLP）和当前先进的基准权重归一化技术。此外，我们进行了主成分分析和梯度分析，以深入探究所提网络如何增强鲁棒性。该提出的架构在监督曲面重建之外具有广泛适用性，可扩展至多层感知机常用的领域。代码实现可访问：https://github.com/AmirNoori68/SqrHw.git

Enhancing supervised surface reconstruction through implicit weight regularization

摘要

期刊

机构

引用论文