نواة الظل العصبية

إطار نظري قدّمه جاكوت وغبريال وهونغلير، يُبيّن أن ديناميكيات التدريب لشبكات عصبية عريضة جداً بمعدلات تعلم صغيرة تكافئ الانحدار بنواة ثابتة تُحدَّد من التهيئة، مما يربط الشبكات العميقة بأساليب النواة الكلاسيكية.

A theoretical framework introduced by Jacot, Gabriel, and Hongler showing that the training dynamics of infinitely wide neural networks with small learning rates are equivalent to kernel regression with a fixed kernel determined at initialization, connecting deep networks to classical kernel methods.