学者提出基于逆激活回归的Sigmoid神经网络压缩方法

2026年10月5日，arXiv发表的一项机器学习研究提出了一种用于Sigmoid神经网络训练后压缩的聚类神经元合并方法。该方法通过逆激活函数将神经元响应映射回激活前空间，并利用最小二乘法估计代表神经元的权重与偏置。该方案涵盖了数据辅助策略以及基于随机输入的数据无关策略。实验结果表明，权重信息更适用于聚类阶段，而激活信息则有助于在合并过程中进行代表神经元的重建。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。