arXiv · cs.AI· Xiuyi Yang·· 6 小时前
多项式激活损失面研究：实现百层网络训练与小规模精确求解
Trainable at Depth, Solvable at Small Size: What the Loss Surface of a Polynomial Activation Dictates for Designing, Initializing and Training Networks
arXiv:2610.20069v1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：Xiuyi Yang
研究任务与主要进展
研究作者提出一种经单位球投影的多项式激活函数与未归一化恒等路径，用于同时分析深层网络的可训练性和小规模网络损失面。作者报告，该结构在 MNIST 上无需归一化即可训练至 100 层；在小模型上，平方损失对应一个可精确求解的多项式方程组。基于论文摘要，作者据此提出该分析可用于指导网络设计、初始化与训练。
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