标题：阿姆斯特丹自由大学｜Generalizing MLPs With Dropouts, Batch Normalization, and Skip Connections（使用Dropouts、批量规范化和跳过连接泛化MLP）

推荐理由：使用MLP网络取得了二分类数据集上的最佳效果

作者：Taewoon Kim

简介：多层感知器 (MLP) 通常由多个完全连接的具有非线性激活函数的层， 已经有几种方法使它们更好（例如更快的收敛，更好的收敛限制等），但是这些研究缺乏结构化的方法来测试它们。 我们测试不同的MLP通过对年龄和性别数据集进行实验来构建架构。 我们经验表明，通过在每个线性层之前白化输入并添加跳过连接，提出的MLP架构可以带来更好的性能。由于白化过程包括Dropouts，它也可以用来近似贝叶斯推理。

代码下载：https://github.com/tae898/age-gender/

论文下载：https://arxiv.org/pdf/2108.08186v2.pdf

内容中包含的图片若涉及版权问题，请及时与我们联系删除