arXiv · cs.AI· Yanyang Xiao·· 6 小时前
浅层神经网络为何优先学习正弦分量：正交多项式动力学框架
Why Shallow Neural Networks Learn Sinusoidal Components First: An Orthogonal Polynomial Dynamics Framework
arXiv:2610.21964v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yanyang Xiao
研究任务与主要进展
作者提出一个正交多项式动力学框架，用动力学矩阵的分级结构解释浅层神经网络为何通常先学习低频正弦分量。该框架还将分析扩展到一般激活函数、较弱的数据分布假设、减少有限域傅里叶分析中的混叠影响，并面向任意网络结构。基于论文摘要，上述内容为作者报告的理论工作，未说明具体实验或基准结果。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org