BriefGPT - AI 论文速递
·
利用深度网络在训练阶段仅针对非线性黑盒系统识别的能力
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本研究提出了一种新的训练策略，通过使用深度模型来充分利用其建模能力。通过两个不同结构和目标的分离模型，即深度生成模型和基于浅层基函数的模型，来预测系统输出。该方法在三个非线性基准测试上表现出与深度架构相似的性能，并实现了算法透明性和结构效率。
🎯
关键要点
-
本研究提出了一种新的训练策略，旨在充分利用深度模型的建模能力。
-
训练阶段仅使用深度模型，采用两个不同结构和目标的分离模型。
-
第一个模型是深度生成模型，目标是模拟系统输出分布（教师模型）。
-
第二个模型是基于浅层基函数的模型，目标是通过系统输入预测系统输出（学生模型）。
-
通过保持两个模型学习的表示空间一致，学生模型继承了教师模型的逼近能力。
-
仿真结果在三个非线性基准测试上表现出与深度架构相似的性能。
-
该方法实现了算法透明性和结构效率作为副产品。
➡️
