Buchumschlag

Statistical theory for image classification using deep convolutional neural networks with cross-entropy loss under the hierarchical max-pooling model

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kohler, Michael, Langer, Sophie
Format:	Preprint
Veröffentlicht:	2020
Schlagworte:	Statistics Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On the VC dimension of deep group convolutional neural networks
von: Sepliarskaia, Anna, et al.
Veröffentlicht: (2024)

Learning of deep convolutional network image classifiers via stochastic gradient descent and over-parametrization
von: Kohler, Michael, et al.
Veröffentlicht: (2024)

On the rate of convergence of an over-parametrized deep neural network regression estimate learned by gradient descent
von: Kohler, Michael
Veröffentlicht: (2025)

Optimal neural network approximation of smooth compositional functions on sets with low intrinsic dimension
von: Nagler, Thomas, et al.
Veröffentlicht: (2026)

Statistically guided deep learning
von: Kohler, Michael, et al.
Veröffentlicht: (2025)

Statistical learnability of smooth boundaries via pairwise binary classification with deep ReLU networks
von: Waida, Hiroki, et al.
Veröffentlicht: (2025)

The loss landscape of deep linear neural networks: a second-order analysis
von: Achour, El Mehdi, et al.
Veröffentlicht: (2021)

On the rates of convergence for learning with convolutional neural networks
von: Yang, Yunfei, et al.
Veröffentlicht: (2024)

Bankruptcy analysis using images and convolutional neural networks (CNN)
von: Tavares, Luiz, et al.
Veröffentlicht: (2025)

A novel statistical approach to analyze image classification
von: Chen, Juntong, et al.
Veröffentlicht: (2022)

Statistics of Min-max Normalized Eigenvalues in Random Matrices
von: Nakada, Hyakka, et al.
Veröffentlicht: (2025)

Unsupervised optimal deep transfer learning for classification under general conditional shift
von: Lang, Junjun, et al.
Veröffentlicht: (2025)

Posterior and variational inference for deep neural networks with heavy-tailed weights
von: Castillo, Ismaël, et al.
Veröffentlicht: (2024)

How many samples are needed to train a deep neural network?
von: Golestaneh, Pegah, et al.
Veröffentlicht: (2024)

Statistical tests based on Renyi entropy estimation
von: Cadirci, Mehmet Siddik, et al.
Veröffentlicht: (2025)

Phase transitions reveal hierarchical structure in deep neural networks
von: Ersoy, Ibrahim Talha, et al.
Veröffentlicht: (2025)

Nonlinear spiked covariance matrices and signal propagation in deep neural networks
von: Wang, Zhichao, et al.
Veröffentlicht: (2024)

PAC-Bayesian risk bounds for fully connected deep neural network with Gaussian priors
von: Mai, The Tien
Veröffentlicht: (2025)

Rates of convergence for Renyi entropy in extreme value theory
von: Saeb, Ali
Veröffentlicht: (2014)

Information-theoretic reduction of deep neural networks to linear models in the overparametrized proportional regime
von: Camilli, Francesco, et al.
Veröffentlicht: (2025)

Causal inference through multi-stage learning and doubly robust deep neural networks
von: Zhang, Yuqian, et al.
Veröffentlicht: (2024)

Semiparametric M-estimation with overparameterized neural networks
von: Yan, Shunxing, et al.
Veröffentlicht: (2025)

Maximum entropy based testing in network models: ERGMs and constrained optimization
von: Ghosh, Subhro, et al.
Veröffentlicht: (2026)

Weak convergence of Bayes estimators under general loss functions
von: Requadt, Robin, et al.
Veröffentlicht: (2025)

Optimal estimation of a factorizable density using diffusion models with ReLU neural networks
von: Fan, Jianqing, et al.
Veröffentlicht: (2025)

Dropout Regularization Versus $\ell_2$-Penalization in the Linear Model
von: Clara, Gabriel, et al.
Veröffentlicht: (2023)

Training Diagonal Linear Networks with Stochastic Sharpness-Aware Minimization
von: Clara, Gabriel, et al.
Veröffentlicht: (2025)

Network and interaction models for data with hierarchical granularity via fragmentation and coagulation
von: James, Lancelot F., et al.
Veröffentlicht: (2024)

Quantification and cross-fitting inference of asymmetric relations under generative exposure mapping models
von: Purkayastha, Soumik, et al.
Veröffentlicht: (2023)

Nonparametric regression using over-parameterized shallow ReLU neural networks
von: Yang, Yunfei, et al.
Veröffentlicht: (2023)

On the rate of convergence of an over-parametrized Transformer classifier learned by gradient descent
von: Kohler, Michael, et al.
Veröffentlicht: (2023)

Misspecified Bernstein-Von Mises theorem for hierarchical models
von: Koers, Geerten, et al.
Veröffentlicht: (2023)

Gaussian mixture layers for neural networks
von: Chewi, Sinho, et al.
Veröffentlicht: (2025)

Learning cross-layer dependence structure in multilayer networks
von: Li, Jiaheng, et al.
Veröffentlicht: (2023)

Distribution-free inference with hierarchical data
von: Lee, Yonghoon, et al.
Veröffentlicht: (2023)

Robustness for free: asymptotic size and power of max-tests in high dimensions
von: Kock, Anders Bredahl, et al.
Veröffentlicht: (2026)

Upper Bounds for the I-MSE and max-MSE of Kernel Density Estimators
von: Hjort, Nils Lid, et al.
Veröffentlicht: (2026)

Hoeffding-type decomposition for $U$-statistics on bipartite networks
von: Minh, Tâm Le, et al.
Veröffentlicht: (2023)

On testing the class of symmetry using entropy characterization and empirical likelihood approach
von: Avhad, Ganesh Vishnu, et al.
Veröffentlicht: (2025)

Statistical Inference under Performativity
von: Li, Xiang, et al.
Veröffentlicht: (2025)