具非高斯權重之卷積神經網路的高斯等價性

原標題: Gaussian equivalence for CNN with non-Gaussian weights

本文研究具隨機權重的卷積神經網路在無限寬度極限下的行為。結果顯示，只要權重為獨立同分布、中心化，且具有足夠多的有限矩，即使沒有高斯先驗，高斯過程極限仍然成立。此框架涵蓋多項式增長的激活函數，以及常見的圖塊擷取運算，包括卷積、填補、步幅與池化。