تقدم هذه الدراسة نهجاً جديداً لتكييف بنية الشبكة العصبية على طول العمق استناداً إلى تقدير الخطأ اللاحق. من خلال صياغة تدريب الشبكة العصبية كمسألة تحكم أمثل زمنية مستمرة، يستنتج المؤلفون تقديرات خطأ صارمة تكمّم كيفية توزيع خطأ التقريب عبر طبقات الشبكة.
- تُدرج طبقات جديدة عند مواقع الخطأ المقدر الأقصى لالتقاط التغيرات غير الخطية المعقدة.
- يعامل الإطار الأوزان والانحيازات كدوال خطية جزئية تتغير عبر الطبقات.
- تُستخدم منهجية الباقي المرجح المزدوج من تحليل العناصر المحددة لاستنتاج حدود عليا قابلة للحساب للخطأ الوظيفي.
- تفكك حدود الخطأ الصريحة خطأ التقريب الكلي إلى مساهمات على مستوى الفترات للتدقيق المستهدف.
- تم إثبات الطريقة على مجموعات بيانات علمية، بما في ذلك تعلم الخريطة من القابل للرصد إلى المعلمة لمعادلة نافييه-ستوكس.
تكشف النتائج العددية أن هذا النهج يتفوق باستمرار على طرق تكييف البنية الموجودة من حيث أداء التعميم.