最新《大间隔学习》综述论文，清华大学张长水老师等

本文综述了近年来在大间隔训练及其理论基础方面取得的进展，主要针对(非线性)深度神经网络(DNNs)，这可能是过去十年来社区中针对大规模数据最著名的机器学习模型。我们概括了从经典研究到最新DNNs分类边界的形成，总结了间隔、网络泛化和鲁棒性之间的理论联系，并全面介绍了近年来在扩大DNNs分类间隔方面所做的努力。由于不同方法的观点存在差异，为了便于比较和讨论，本文将其分组。希望我们的讨论和概述能够启发社区中旨在提高DNNs性能的新研究工作，也为大间隔原则的验证指明方向，为DNNs的某些正则化在实践中发挥良好作用提供理论依据。我们设法缩短了论文，以便更好地强调大间隔学习的关键思想和相关方法。

https://www.zhuanzhi.ai/paper/617d18bafec0d3c2310043f9f6822010

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“LMLA” 就可以获取《最新《大间隔学习》综述论文，清华大学张长水老师等》专知下载链接

专知，专业可信的人工智能知识分发 ，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源