Artículos e investigación

OpenAI descubre el fenómeno del doble descenso profundo en el aprendizaje profundo

Título original:Deep double descent

Resumen de IA

OpenAI informa de que el fenómeno de double descent está ampliamente presente en CNN, ResNet y transformers: a medida que aumentan el tamaño del modelo, el volumen de datos o el tiempo de entrenamiento, el rendimiento primero mejora, luego empeora y después vuelve a mejorar. Este efecto suele poder evitarse con una regularización cuidadosa; los autores señalan que su causa aún no se comprende del todo y lo sitúan como una dirección de investigación importante.

Puntos clave

  • OpenAI informa de que el fenómeno de double descent está ampliamente presente en CNN,ResNet y…
  • Este efecto suele poder evitarse con una regularización cuidadosa
  • los autores señalan que su causa aún no se comprende del todo y lo sitúan como una dirección de…

Resumen rápido

Publicado
Actualizado
Fuente
OpenAI:官网动态(RSS · 排除企业/客户案例)
Categoría
Artículos e investigación
Puntuación IA
60
Leer el original Leer el artículo completo en la fuente original
Por qué importa

原文指出模型规模、数据量或训练时间增大时性能先降后升的普遍现象,并把它列为值得进一步研究的方向。

Entidades relacionadas

Fuente y derechos

Este artículo se basa en títulos seleccionados y resúmenes de IA de la API pública de AIHOT, con atribución y enlaces de vuelta. Los derechos del original pertenecen a los medios y autores originales; este sitio no reproduce textos completos.

Artículo original · Ficha de AIHOT

Cómo citar

Al citar este artículo, conserva el título, la fecha y el enlace permanente, e indica que la fuente es Orange News.

Orange News: OpenAI descubre el fenómeno del doble descenso profundo en el aprendizaje profundo. 5. diciembre 2019. https://new.nat6.net/es/news/g3wsst0c4ve4trvbvw1qw9ooc/

Ver todo →