神经网络如何学习：隐含于随机梯度下降的正则化效应

原文中文，约300字，阅读约需1分钟。发表于：。

深度神经网络能够有效地学习目标函数的支持，并且小批量随机梯度下降具有隐式正则化效果，通过学习特征的结构，提高特征的可解释性。

本文研究了使用随机梯度下降（SGD）训练两层神经网络（NN），证明了NN的第一层权重将收敛于真实模型的主子空间，进一步证明了使用SGD训练的ReLU NNs可以学习单指标目标，样本复杂度与d成线性关系。