实体
Haar
Haar
PulseAugur coverage of Haar — every cluster mentioning Haar 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
-
新的小波卷积方法提高了速度并降低了内存使用量
研究人员开发了一种新方法来提高小波卷积（WTConv）的效率，这是一种用于神经网络中诸如温度测量等任务的技术。现有的WTConv实现因过多的数据移动而受到阻碍，导致性能缓慢和内存使用量高。通过将该过程重新设计为I/O感知，该团队显著减少了到高带宽内存的数据流量，从而实现了高达4.35倍的训练速度提升，并将峰值内存需求大致减半。
-
新框架打破量子电路中的一维可表达性-可训练性权衡
研究人员证明了参数化量子电路（PQC）的可表达性和可训练性不受一维权衡的限制。他们提出了一个新框架，将纠缠能力（EP）和纠缠能力偏差（EPD）分离为不同的设计旋钮。这使得在出现无地平线（barren-plateau）条件之前达到高覆盖率，从而创建具有高可表达性且保持可训练性的PQC。
-
提出一种新的亚高斯混合模型的单比特聚类方法
研究人员提出了一种新颖的单比特聚类方法，专为双分量亚高斯混合模型设计。该技术利用每个样本条目一个比特，通过抖动量化器进行处理。该方法表明，即使存在量化，改进的Lloyd算法也能实现误分类率随信噪比呈指数级下降。对于高维数据，使用Haar分布矩阵进行随机旋转可以强制执行必要的非尖峰条件，从而在特定分离条件下实现精确恢复。