实体
Shijun Zhang
Shijun Zhang
PulseAugur coverage of Shijun Zhang — every cluster mentioning Shijun Zhang across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新理论量化了深度在深度神经网络近似中的作用
一篇新发表在arXiv上的研究论文探讨了深度神经网络的理论基础，重点关注深度在近似能力中的作用。该研究引入了一个量化框架，将深度解释为一种尺度依赖的因素，为中间网络层而非仅仅是最终输出提供了保证。这项工作设计了一种特定的架构，其中每个中间读出都近似目标函数，近似误差由网络的深度和函数的属性控制。
-
新的FNO架构增强了高频学习和物理精度
研究人员开发了傅里叶神经算子（FNO）的新框架，以提高其学习高频信息和物理性质的能力。SirenFNO利用正弦表示网络学习全网格频谱，无需频率截断，以更少的参数优于标准FNO。GENERIC-FNO将非平衡热力学的能量守恒和熵产生直接嵌入函数空间，展示了精确的结构保证和在各种PDE上的竞争性性能。此外，傅里叶多组分和多层神经网络（FMMNNs）将正弦型激活与多组分结构相结合，实现了指数级的表达能力和有利于高频目标的优化格局。
-
多级深度学习提供结构化误差精炼
研究人员引入了多级深度学习（MGDL），这是一个旨在改进深度神经网络中误差精炼的新框架。该方法逐步训练深度网络，冻结先前学习的层，并训练新层来处理残差误差。该方法基于算子理论，并有理论保证残差均匀减小并收敛到零。