ओवरपैरामीटराइज्ड डीप न्यूरल नेटवर्क्स (DNNs) का उल्लेखनीय प्रदर्शन नेटवर्क आर्किटेक्चर, प्रशिक्षण एल्गोरिदम और डेटा की संरचना के बीच परस्पर क्रिया से उत्पन्न होता है। यह शोधपत्र पर्यवेक्षित अधिगम पर बायेसियन परिप्रेक्ष्य लागू करके इन तीनों घटकों को अलग करता है। फलनों की पूर्व संभावनाएँ नेटवर्क द्वारा निर्धारित होती हैं और क्रमिक तथा अराजक व्यवस्थाओं के बीच संक्रमणों का उपयोग करके बदलती रहती हैं। बूलियन फलन वर्गीकरण के लिए, डेटा में फलन के त्रुटि स्पेक्ट्रम का उपयोग करके संभावना का अनुमान लगाया जाता है। पूर्व संभावनाओं के साथ संयुक्त होने पर, यह स्टोकेस्टिक ग्रेडिएंट डिसेंट से प्रशिक्षित DNNs के लिए मापी गई पश्च संभावनाओं का सटीक अनुमान लगाता है। यह विश्लेषण बताता है कि संरचित डेटा और (कोल्मोगोरोव) सरल फलनों (जटिलता के साथ फलनों की संख्या में घातीय वृद्धि का प्रतिकार करने के लिए पर्याप्त प्रबल) के प्रति अंतर्निहित ओकम का रेजर जैसा आगमनात्मक पूर्वाग्रह DNNs की सफलता में एक महत्वपूर्ण कारक है।
