实体
Fiedler vector
Fiedler vector
PulseAugur coverage of Fiedler vector — every cluster mentioning Fiedler vector 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
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新框架使用重整化群理论描述神经网络的格罗金现象
研究人员开发了一个新的框架，使用缩放和重整化群（RG）理论来描述深度神经网络中格罗金现象。格罗金的特点是从记忆到泛化的延迟转变。该研究聚焦于具有两层神经网络的模加法，建立了与训练周期和权重衰减作为控制坐标一致的序参量和涨落代理。通过构建精确的耦合矩阵并使用其Fiedler向量定义有效几何，研究人员推导出的缩放指数和临界指数与经验估计值非常吻合。
-
MHeatmap可视化技术通过谱排序增强矩阵可读性
研究人员开发了MHeatmap，一种用于矩形矩阵的新型可视化技术，通过重新排序行和列以及调整单元格大小来提高可读性。该方法使用“双步随机游走谱排序”方法，将矩阵建模为二分图，并结合基于共享邻居的相似性链接来确定最佳对象顺序。此外，“马赛克布局”将单位正方形划分为行和列的宽度/高度与其总数成比例，颜色代表条目值。对合成和真实数据集的评估表明，MHeatmap在矩阵排序和可视化清晰度方面显著优于现有方法。
-
神经网络加速大规模图划分问题
研究人员开发了一种新颖的神经网络方法来加速图划分，这是社交网络分析和VLSI设计等领域中的一项关键任务。该方法用人工神经网络近似取代了计算密集型的Fiedler向量计算，这是谱二分法中的一个关键步骤。新技术保持了与传统谱方法相当的划分质量，同时大大降低了计算开销，从而提高了处理大规模数据集的可扩展性和效率。