IA e os Problemas Difíceis do Mundo · Ciência da computação teórica · arXiv · 2026-10-20
Equivalência gaussiana para CNN com pesos não gaussianos
Título original: Gaussian equivalence for CNN with non-Gaussian weights
Este artigo estuda o limite de largura infinita de redes neurais convolucionais com pesos aleatórios. Mostra que o limite de processo gaussiano vale sem priors gaussianos, desde que os pesos sejam i.i.d., centrados e tenham momentos finitos suficientes. O arcabouço abrange ativações de crescimento polinomial e operadores comuns de extração de patches, incluindo convolução, padding, stride e pooling.