抽象的

虽然深度神经网络已经表现出巨大的经验成功，但仍有很大的工作来了解他们的理论属性。在本文中，我们研究了随机，宽，​​完全连接的前馈网络之间的关系，具有多个隐藏层和高斯过程，具有递归内核定义。我们表明，在广泛的条件下，当我们使架构越来越广，隐含的随机函数在分发到高斯过程中收敛，通过Neal（1996）到深网络，正式化和扩展现有结果。为了凭经验评估融合率，我们使用最大的平均差异。然后，在关键预测量的关键预测量方面，将有限贝叶斯深网络从文献中与高斯过程进行比较，发现在某些情况下，协议可能非常接近。我们讨论了高斯过程行为的可取性，并审查了文献中的非高斯替代模型。

作者

Alexander G. de G. Matthews，Mark Rowland，Jiri Hron，Richard E. Turner，Zoubin Ghahramani.

会议

ICLR 2018.

全文

'高斯过程在宽深神经网络中的行为。学习陈述国际会议（PDF）

优步AI.