实体
Sinkhorn-Knopp
Sinkhorn-Knopp
PulseAugur coverage of Sinkhorn-Knopp — every cluster mentioning Sinkhorn-Knopp 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 3 条
-
新的谱球约束超连接改进AI模型稳定性
研究人员引入了谱球约束超连接（$\mathrm{s}^2$HC）来解决现有超连接（HC）模型中的局限性。当前方法，如流形约束超连接（mHC），由于其双重随机约束，面临身份退化、表达瓶颈和参数化效率低下等问题。新的$\mathrm{s}^2$HC方法将残差矩阵限制在谱范数球内，从而能够更好地控制次主谱，并选择性地保留或衰减跨流变异。该方法旨在提高训练稳定性和模型表达能力，同时避免了先前技术的缺点。
-
新分析详细介绍了Sinkhorn-Knopp算法的局部收敛性
研究人员发表了对Sinkhorn-Knopp (SK)算法的新分析，重点关注其局部收敛特性。该研究提供了第一个非渐近局部分析，该分析与现有的基于渐近雅可比矩阵的速率相匹配，证明了在特定的连通性条件下，SK可以是一种双随机矩阵缩放的多项式时间算法。该工作还引入了加速变体，并改进了稠密矩阵的复杂度。
-
Franca：开源视觉模型性能媲美闭源模型
研究人员推出了 Franca，一个开源视觉基础模型，旨在匹配或超越 DINOv2 和 CLIP 等闭源模型的性能。该模型采用新颖的嵌套俄罗斯套娃表示法进行参数高效的多头聚类，逐步将特征细化为更精细的聚类，而无需增加模型大小。Franca 还采用位置解耦策略来改进语义内容编码，从而在下游基准测试中获得更好的性能，并促进基础模型开发的透明度和可复现性。