2022-07-18
我们研究深度学习在张量分解中的隐式正则作用。虽然通过线性和某些类型的非线性神经网络中的深矩阵和“浅”张量分解中的隐式正则化促进了低级溶液，但我们表明，其在深张量因子中的作用随着深张量因子的影响，随着深度张因子的影响，随着多种形式的增长，随着其深度的增长而增长。网络。这为观察到的实验行为提供了非常忠实的描述。使用数值实验，我们证明了这种隐式正则化在得出更准确估计和更好收敛属性方面的好处。
translated by 谷歌翻译
从图灵（Turing）在1950年的开创性工作开始，人工智能提出，图灵机可以模拟意识。这意味着宇宙是计算机上的模拟的所有事物的潜在理论，该理论引出了一个问题，即我们是否可以证明自己存在于模拟中。在这项工作中，我们构建了一个相对模型的计算模型，其中可计算\ textIt {local}计算机由经典的图灵计算机模拟。我们表明，其全局模拟器的本地计算机计算\ textbf {仿真属性}的问题与停止问题相同。然后，我们表明，计算全局模拟器积累的时间，空间或误差是模拟属性，因此是不可决定的。这些仿真属性在相对模型中产生了特殊的相对论效应，我们用来构建相对教会的 - 杜特施奇论文，其中全球经典的图灵机器为本地机器计算具有与恒定时间的局部计算复杂性的量子力学，在我们的宇宙中经验丰富。
translated by 谷歌翻译