实体
Randomized neural networks for learning stochastic dependences
Randomized neural networks for learning stochastic dependences
PulseAugur coverage of Randomized neural networks for learning stochastic dependences — every cluster mentioning Randomized neural networks for learning stochastic dependences across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
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 2 条
-
新方法提高了随机神经网络的性能
研究人员开发了一种名为残差引导随机神经网络的新方法，以提高随机神经网络的性能。该技术通过迭代添加随机候选单元并根据残差下降标准选择最佳单元来解决次优特征构建的问题。在71个UCI存储库数据集上的实验表明，该方法在准确性和稳定性方面始终优于标准的随机神经网络。
-
新框架 AD-RaNN 优化用于偏微分方程的随机神经网络
研究人员推出了一种名为自适应分布随机神经网络 (AD-RaNN) 的新框架，旨在提高随机神经网络在求解偏微分方程 (PDE) 方面的性能。该方法通过优化定义隐藏层参数采样分布的低维向量，来解决现有模型对该分布敏感的问题。AD-RaNN 采用两阶段训练过程，结合了 PDE 驱动自适应分布 (PDAD) 和数据驱动自适应分布 (DDAD) 等自适应机制，以提高准确性并减少手动调整。