量化生成模型解决伊辛模型的泛化能力的方法
原文中文，约300字，阅读约需1分钟。发表于：。通过设计一个 Hamming 距离约束器来量化生成模型的泛化能力，本研究对几种常见的神经网络架构（前馈神经网络、递归神经网络和图神经网络）结合变分自回归网络（VAN）的泛化能力进行了数值实验，并发现网络在小规模问题上的泛化能力可以预测其在大规模问题上的性能，这对于神经架构搜索中搜索大规模 Ising 模型的最佳网络架构具有重要意义。
本研究通过设计Hamming距离约束器来评估生成模型的泛化能力，并对几种神经网络架构进行了实验。研究发现，小规模问题上的泛化能力可以预测大规模问题上的性能，对搜索大规模Ising模型的最佳网络架构具有重要意义。
