实体
Shamir
Shamir
PulseAugur coverage of Shamir — every cluster mentioning Shamir across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
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
-
新理论表明 ReLU 网络深度带来的指数级收益
研究人员为 ReLU 神经网络开发了一种新的深度层级，证明了每增加一层可以指数级地减少所需的神经元数量。这一突破首次为 ReLU 网络在相邻固定深度之间实现了指数级分离，具体表明深度为 3 的网络可以用显著少于任何深度为 2 的网络的神经元数量实现特定功能。研究结果还为另一个功能提供了精确分离，其中深度为 4 的网络在神经元数量方面比深度为 3 的网络具有指数级的效率，即使没有权重限制。
-
新的 C++ 实现详细介绍了缝隙裁剪图像缩放技术
一篇新论文详细介绍了一种内容感知图像缩放技术——缝隙裁剪的 C++ 实现。该实现遵循 Avidan 和 Shamir 的原始表述，并结合了 Rubinstein、Shamir 和 Avidan 的前向能量标准。它支持各种缩放操作，包括通过权重掩码进行放大和对象保护，并提供了详细的算法分析。
-
新算法提供更快、查询更高效的二元分类
研究人员为二元分类问题开发了两种新的随机算法。第一种算法与现有的确定性方法相比，在顺序运行时间和并行深度方面有所改进，使用了有限数量的矩阵向量查询。第二种更快的算法实现了更优的顺序运行时间，但并行深度略有增加，同样依赖于随机方法和类似的查询复杂度。