09:59arXiv cs.LG@Mohammad Tabish, Stefan KlusRaNNDy 是一种随机神经网络架构,用于数据驱动地逼近复杂动力系统的传递算子。其隐藏层权重和偏置随机初始化并固定,仅训练输出层,具有闭式解和低训练成本的优势。但该架构受限于初始随机参数决定的基函数质量,而基函数由激活函数决定。本文提出一种算法,在保持随机网络权重和偏置固定的前提下,优化激活函数本身,从而提供更合适的字典。通过随机微分方程和图随机游走等基准问题验证了该方法的有效性。论文随机神经网络传递算子逼近激活函数优化动力系统RaNNDy推荐理由:做动力系统建模或算子逼近的研究者,可以用这个算法自动调激活函数,省去手动试错的成本,建议直接看论文里的实验对比。原文