实体
Convolutional Neural Networks
Convolutional Neural Networks
PulseAugur coverage of Convolutional Neural Networks — every cluster mentioning Convolutional Neural Networks across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新理论探讨预训练和稀疏连接如何增强深度学习泛化能力
三篇新论文探讨了深度学习泛化能力的理论基础。其中一篇论文将预训练确定为弱到强泛化能力的关键因素，并通过预训练过程中的相变展示了其出现。另一篇研究了卷积网络中的稀疏连接如何通过处理低维块中的输入来提高泛化能力，为它们的优势提供了原则性解释。第三篇论文提出了一个非渐近理论，通过展示神经切线核如何划分输出空间、管理信号和噪声来解释泛化能力，并引入了一个提高训练效率和性能的实用目标。
-
DSLC 俱乐部会议涵盖深度学习解释和无监督学习
数据科学学习社区 (DSLC) 近期举办了两次专注于机器学习概念的视频会议。其中一个会议题为“使用 Python 进行深度学习 (第3版)：解读卷积神经网络的学习内容”，探讨了卷积神经网络如何处理信息。另一个会议“使用 Python 进行统计学习入门：无监督学习”概述了使用 Python 的无监督学习技术。
-
准等变元网络推动权重空间学习
研究人员将准等变性引入元网络，这是一种用于操作预训练神经网络权重的新概念。这种新方法允许元网络在不牺牲严格等变性的前提下，尊重架构对称性，从而可能产生更具表现力和鲁棒性的模型。该框架已在各种神经网络架构（包括前馈、卷积和Transformer网络）中得到验证，在对称性保持和表示能力之间取得了平衡。