Covariance Neural Networks
PulseAugur coverage of Covariance Neural Networks — every cluster mentioning Covariance Neural Networks across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新型逆交叉谱神经网络处理多元时间序列
研究人员开发了逆交叉谱神经网络（iCSNNs），这是一种专为平稳多元时间序列设计的新型图神经网络。与先前假设独立观测值的模型不同，iCSNNs 通过使用逆交叉谱密度矩阵作为移位算子来捕获时间上和跨变量的依赖关系。这些算子编码变量之间的特定频率关系，并且模型将频率分组到不同的频带中以共享算子，从而实现更紧凑的参数化。伴随的联合学习过程允许估计频域依赖结构和 iCSNN 参数，并使它们适应特定任务。在合成数据上的初步测试表明，iCSNN …
-
新的 arXiv 论文推进主成分分析技术
两篇新的 arXiv 论文探讨了主成分分析 (PCA) 的进展。第一篇论文介绍了协方差神经网络 (VNNs)，这是一种在协方差矩阵上运行的图神经网络，将 VNNs 与 PCA 进行比较，并为信号处理和计算神经科学的应用提供理论见解。第二篇论文提出了一种稳健的多任务 PCA 方法，通过利用任务相似性来改进特征空间估计，同时保持对异常任务的弹性，达到了 minimax 最优速率，并在模拟和真实世界数据中证明了其有效性。
-
新研究探讨神经元追逐和稀疏协方差神经网络
两篇新研究论文探讨了训练神经网络的新方法。第一篇论文介绍了“神经元追逐”（Neuron Pursuit），这是一种贪婪算法，通过添加精心选择的神经元来迭代地扩展网络，然后最小化训练损失。第二篇论文提出了“稀疏协方差神经网络”（S-VNNs），它将稀疏化技术应用于协方差矩阵，以提高协方差神经网络的性能和效率，在神经科学和金融预测等领域显示出优势。