7. 深度学习实践：正则化（续）

接上篇：7. 深度学习实践：正则化

7. 参数绑定和参数共享

表达对模型参数的先验知识：经常想要表达的一种常见依赖是某些参数应当彼此接近。例如，两个模型执行相同的分类任务，但输入分布稍有不同，因此我们认为模型参数应彼此靠近。可通过正则化利用这个信息，具体的例如，参数范围惩罚为$\Omega(w^{(A)}-w^{(B)})=||w^{(A)}-w^{(B)}||^2_2$。

上述2006年提出，正则化一个模型ÿ