PulseAugur
中
实时 10:39:17
English(EN) Exact ReLU realization of affine one-dimensional refinement iterates via residual memory and offset frames

仿射细化算子的新ReLU实现方法

作者 PulseAugur 编辑部 · [1 个来源] ·

本文介绍了一种使用ReLU（Rectified Linear Unit）激活函数实现向量值仿射细化算子的新方法。由Bolorkhuu Boldsaikhan详细介绍的该技术，实现了深度与迭代次数成比例的精确实现，特别适用于细化因子M大于或等于3的算子。一项关键创新是使用残差记忆控制器，它用内射斜积替换不可逆动力学，从而能够精确地向后回放残差状态。偏移帧用于对齐强迫原子并防止状态恢复中的歧义，确保即使对于复杂的强迫项也能检索到精确值。 AI

影响 这项研究有助于对神经网络架构及其精确函数实现能力进行理论理解。

排序理由 该条目是一篇提交到arXiv的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

仿射细化算子的新ReLU实现方法

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Boldsaikhan Bolorkhuu, Tsogtgerel Gantumur ·

    通过残差记忆和偏移帧实现仿射一维细化迭代的精确ReLU实现

    arXiv:2607.20586v1 Announce Type: new Abstract: We study vector-valued affine refinement operators of the form [ (W\gamma)(t)=\sum_{j\in\mathbb{Z}} A_j\gamma(Mt-j)+B(t), ] with finitely supported matrix mask and compactly supported continuous piecewise linear input and forcing da…

相关话题