11:03arXiv cs.LG@Abdul-Rauf Nuhu, Parham M. Kebria, Vahid Hemmati, Mahmoud N. Mahmoud, Edward Tunstel, Abdollah Homaifar现有深度学习模型泛化误差上界往往过于松散,尤其在0-1损失下。本文提出基于局部鲁棒性与稳定性的新泛化界,通过按输入空间子区域中稳定与不稳定样本数量缩放鲁棒项。在ImageNet数据集上,该界保持非空且比现有方法得到更紧的上界,与多个鲁棒深度神经网络的真实性能紧密对齐。论文泛化误差鲁棒性ImageNet深度学习推荐理由:这篇论文提出了更紧的深度学习泛化误差上界,在ImageNet上比现有方法更准,值得一看。原文