梯度下降学习的超参数化卷积神经网络图像分类器收敛速率分析

原文中文，约200字，阅读约需1分钟。发表于：。

基于过参数化卷积神经网络的图像分类，采用全局平均池化层进行考虑。通过梯度下降学习网络的权重，推导出新引入的卷积神经网络估计的错误分类风险与最小可能值之间收敛速度的界限。

研究表明，满足权重约束的卷积神经网络具有良好的学习能力和收敛界限，适用于估计器和分类器，对于学习平滑函数和二元分类问题具有最佳的收敛速度。