.png){kind=icon}
返回
Moderate deviation functions in convolutional neural networks
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ijar.2026.109798.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出基于自同构和否定函数定义在对称区间[-1, 1]上的新构建的中偏差函数。这些构建随后被推广到实数集R的任意闭区间[a, b]子集。因此，所有针对[-1, 1]表述的结果均可转移至任意区间，得到对称且幂等的聚合函数。本文还引入了不连续或非严格单调的中偏差函数，由此产生分位数型算子。一个示例性实例展示了如何用这些中偏差函数导出的聚合函数替代卷积神经网络提取特征融合的标准方法。实验表明，其中几种构建是有效的替代方案，在通过梯度下降优化后，能够在不显著增加计算开销的情况下提升模型性能。
Keyword:
Automorphism
Negation
Moderate deviation function
Aggregation function
Convolutional neural networks
