Natknąłem się na kilka podstawowych sposobów pomiaru złożoności sieci neuronowych:
- Naiwne i nieformalne: policz liczbę neuronów, ukrytych neuronów, warstw lub ukrytych warstw
- Wymiar VC (Eduardo D. Sontag [1998] „Wymiar VC sieci neuronowych” [ pdf ].)
- Miara złożonej i asymptotycznej złożoności obliczeniowej kursu przez równoważność z .
Czy są inne alternatywy?
Preferowane jest:
- Jeśli metryka złożoności może być wykorzystana do pomiaru sieci neuronowych z różnych paradygmatów (do pomiaru propagacji wstecznej, sieci neuronowych dynamiki, korelacji kaskadowej itp.) Na tej samej skali. Na przykład wymiar VC może być stosowany do różnych typów w sieciach (a nawet do rzeczy innych niż sieci neuronowe), podczas gdy liczba neuronów jest przydatna tylko między bardzo konkretnymi modelami, w których funkcja aktywacji, sygnały (sumy podstawowe vs. skoki) i inne właściwości sieci są takie same.
- Jeśli ma niezłą zgodność ze standardowymi miarami złożoności funkcji, które można poznać w sieci
- Jeśli łatwo jest obliczyć metrykę w określonych sieciach (ta ostatnia nie jest jednak koniecznością).
Notatki
To pytanie jest oparte na bardziej ogólnym pytaniu na CogSci.SE.