WikiEdge:ArXiv-2404.19756/questions

編輯

作者面對的是深度學習模型，尤其是多層感知器（MLPs）在非線性函數逼近方面存在的局限性問題。具體問題包括：

1. • MLPs的固定激活函數限制：MLPs在節點上使用固定的激活函數，這限制了模型的表達能力和對複雜函數的逼近精度。
   • MLPs的可解釋性問題：MLPs通常難以直觀理解和解釋，這對於需要模型透明性的科學和工程應用構成了挑戰。
   • MLPs在高維數據上的效率問題：MLPs在處理高維數據時可能會遇到「維度的詛咒」，導致模型參數數量急劇增加，從而影響學習效率和泛化能力。