实体
Scattering Networks for Hybrid Representation Learning
Scattering Networks for Hybrid Representation Learning
PulseAugur coverage of Scattering Networks for Hybrid Representation Learning — every cluster mentioning Scattering Networks for Hybrid Representation Learning 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
-
散射网络针对低维数据分析进行优化 · 跟踪2个来源
研究人员发表了一篇论文，详细介绍了提高散射网络对低维数据集区分能力的方法。该研究侧重于通过调整滤波器框架来优化网络架构，提出了两个关键设计标准：确保滤波器充分捕捉数据频率，并保持连接框架与数据几何的良好条件矩阵。这些发现旨在改善具有内在低维性的数据集的特征提取。
-
新理论增强了对CNN分离能力的理解
研究人员开发了一个新的理论框架，用于理解卷积神经网络（CNN）作为分类任务的特征提取器。这项工作将Cover的函数计数理论扩展到分析这些网络的“分离能力”，该能力量化了网络可以实现的二元标签分配的数量。该研究特别关注散射网络，确定了其设计中影响这种能力的关键因素，并为其构建提供了实用见解。