https://github.com/FFiot/HWnet
1. 性能提升
- 左侧:多项式线性回归、Tanh激活函数; 右侧:线性嵌入式向量。
- 训练性能提升近百倍。
- 非常接近“全局最优点”。
2. 线性回归在大规模网络中的缺陷
- 每一个数据训练所有参数。
- 每一个参数参与每一次推断。
3. 箱式特征的缺陷
- 分“箱”后,相邻箱过于独立,导致“不圆滑”。
- 稀疏特征导致后端网络规模过大,容易过拟合。
4. 线性嵌入式向量
- 每个值域有各自的向量。
- 对每一个输入值,用所在值域、周边值域的“向量”乘以“权重”和表征。
- 每个向量的“权重”与输入值与值域中点的距离相关。
- 通过设定“takecare”参数,控制周边值域“向量”的"权重"。
- 防止过于“独立”导致的“过拟合”、“不圆滑”。
- 防止过于“takecare”导致拟合能力不足。