L'IA face aux grands problèmes du monde · Informatique théorique · arXiv · 2026-10-20
Équivalence gaussienne pour les CNN à poids non gaussiens
Titre original: Gaussian equivalence for CNN with non-Gaussian weights
Cet article étudie la limite de largeur infinie des réseaux de neurones convolutifs à poids aléatoires. Il montre que la limite de processus gaussien est valable sans a priori gaussiens, pourvu que les poids soient i.i.d., centrés et possèdent suffisamment de moments finis. Le cadre couvre les fonctions d'activation à croissance polynomiale et les opérateurs courants d'extraction de patchs, notamment la convolution, le remplissage, le pas et le pooling.