实体
deep belief network
deep belief network
PulseAugur coverage of deep belief network — every cluster mentioning deep belief network across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
深度信念网络和双向GRU对意见动力学模型中的临界转变进行分类
研究人员开发了一种使用深度信念网络（DBN）和双向门控循环单元（Bi-GRU）的层次结构，用于对三态多数投票模型（MV3）中的动态轨迹进行分类。虽然使用高斯-伯努利受限玻尔兹曼机预训练的DBN只能在其潜在空间中部分分离轨迹类型，但随后的Bi-GRU分类器实现了近乎完美的分类。该Bi-GRU在DBN编码快照序列上进行训练，并展示了对意见动力学模型中动力学状态的实时分类能力。
-
AI模型RoadTracer将道路地图精度提升至89%，并助力灾害响应
研究人员开发了一种名为RoadTracer的新方法，利用基于师生集成学习的自适应深度信念网络（DBN）模型，从航空照片中自动生成道路地图。该先进的DBN模型将七个主要城市的平均检测准确率从40.0%提高到89.0%。该系统还被应用于识别滑坡灾害后的可用道路，从而实现交通的快速通行。为了实现高效推理，已在嵌入式边缘设备上实现了训练模型的轻量级版本。
-
新型CNN将拓扑优化速度提升97%
研究人员开发了eCNNTO，这是一种新颖的基于单元的卷积神经网络（CNN），旨在显著加速拓扑优化（TO）过程。该方法建立在先前使用深度信念网络的工作基础上，但采用了具有残差连接的CNN，以更好地捕捉单元之间的空间相关性，从而实现更具凝聚力的结构设计。eCNNTO利用了具有最终阶段密度历史的独特训练策略，减少了对大量数据集的需求，并能够跨不同问题参数进行泛化，将迭代次数减少高达97%。