UCL等三强联手提出完全可微自适应神经树：神经网络与决策树完美结合

【新智元导读】UCL、帝国理工和微软的研究人员合作，将神经网络与决策树结合在一起，提出了一种新的自适应神经树模型ANT，打破往局限，可以基于BP算法做训练，在MNIST和CIFAR-10数据集上的准确率高达到99%和90%。 神经网络的成功关键在于其表示学习的能力。但是随着网络深度的增加，模型的容量和复杂度也不断提高，训练和调参耗时耗力。 另一方面，决策树模型通过学习数据的分层结构，可以根据数据集

>>阅读原文<<