我们根据预测中包含的信息而不是训练算法的输出来推导有监督学习算法的信息理论泛化边界。这些边界改进了现有的信息理论界限,适用于更广泛的算法,并解决了两个关键的挑战: (a)它们为确定性算法提供了有意义的结果;(b)它们明显更容易估计。我们通过实验证明,在深度学习的实际场景中,所提出的边界与泛化差距密切相关。
https://www.zhuanzhi.ai/paper/0c63babe0fe06d384258215e6ab8f74c