我们提出了一个新框架，将神经网络模型的参数推广到$ C^*$ - 代数值。$ c^*$ - 代数是对复数空间的概括。一个典型的例子是在紧凑空间上连续函数的空间。这种概括使我们能够连续组合多个模型，并使用工具来进行回归和集成等功能。因此，我们可以有效地学习数据的功能，并将模型不断地适应问题。我们将框架应用于实际问题，例如密度估计和很少的学习学习，并表明我们的框架使我们能够学习数据的功能，即使使用有限的样本。我们的新框架突出了将$ C^*$ - 代数理论应用于一般神经网络模型的潜在可能性。
translated by 谷歌翻译