实体
Input-convex neural networks
Input-convex neural networks
PulseAugur coverage of Input-convex neural networks — every cluster mentioning Input-convex neural networks across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
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 2 条
-
新的基于物理的神经网络框架模拟热力学
研究人员开发了一种新颖的基于物理的神经网络框架来模拟热力学，重点关注内能和耗散势，而不是传统的亥姆霍兹能。这种方法简化了热力学原理的纳入，并通过构造确保了热力学可容性。该框架利用输入凸神经网络来表示内能和耗散，将客观性和材料对称性直接嵌入到架构中。该系统已在各种材料和热力学响应的合成和实验数据集上展示了准确的性能。
-
新的“提升”方法增强了输入凸神经网络的训练
研究人员为输入凸神经网络（ICNN）引入了一种名为“提升”的新型训练技术，ICNN 对于密度估计和贝叶斯推断等任务至关重要。传统方法在处理层间权重的非负约束时遇到困难，导致训练停滞。提出的“提升”方法使用一个无约束的超网络来生成这些权重，引入了随机性，从而平滑了损失景观并实现了更深的收敛。该方法在图像风格潜在变量和高维表格数据等各种基准测试中，表现优于现有方法。