本文提出了一种新颖的方法，为神经网络赋予出现、长期、大规模的内存，该方法针对神经网络与外部存储器库通过精心设计的控制器和手动设计的注意机制进行连接的策略进行了区分。我们的内存是内部、分布式、与计算共存、隐式寻址，而且比之前的方法明显更简单。经过层次化空间组织，参数化卷积，并分布在整个拓扑中的计算的存储单元，我们观察到了一种连贯记忆子系统的出现。

Jun, 2019

本论文研究了深度神经网络的过拟合问题和多重网格结构在其中的应用，提出了一种多重网格启发式体系结构框架，可以在维度间利用多重网格结构来实现线性权重复杂度缩放和大幅减少权重数量，进而在网络复杂度较低时，通过减少权重数量降低过拟合问题，相比于现有的 ResNet 架构实现更好的图像分类结果。

Nov, 2022

我们提出了一种简便的无矩阵神经网络结构用于多重网格方法。该结构简单到可以在不到五十行的代码中实现，但包含许多不同的多重网格求解器。我们认为，固定的神经网络没有密集层不能实现高效的迭代方法。因此，标准的训练协议不能生成竞争优势的求解器。为了克服这个困难，我们使用参数共享和层序列化。所得到的网络可以在数以千计未知元的线性问题上进行训练，并在百万未知元的问题上保持其效率。从数值线性代数网络的训练角度来看，它对应于找到几何多重网格方法的最佳平滑器。我们在几个二阶椭圆方程上演示了我们的方法。对于测试的线性系统，与基本线性多重网格方法的 Jacobi 平滑器相比，我们得到的误差传播矩阵的谱半径较小，是其 2 到 5 倍。

Feb, 2024

使用 DAG-CNN 的多尺度卷积神经网络探索了多尺度特征提取，并在三个场景基准测试中展现了最新的最佳分类性能。

May, 2015

MgNet 模型同时恢复了用于图像分类的卷积神经网络 (CNN) 和求解离散化偏微分方程 (PDE) 的多重网格 (MG) 方法，该模型基于 CNN 和 MG 方法之间的密切联系，介绍了特征空间和数据空间的对偶概念，最终实现了修改后具有更好性能的 CNN 模型。

Jan, 2019

本文研究神经网络在解决大规模复杂图形结构问题方面的性能瓶颈和深层网络优势的不足，通过对现有几种图卷积网络的分析，提出了两种可用于深度扩展的新型网络结构，以更好地利用多尺度信息来进行节点分类。

Jun, 2019

本文介绍了一种新的用于高分辨率密集预测的卷积神经网络架构，称为 D3Net，其采用了多分辨率学习和逐渐膨胀的感受野来同时建模局部和全局模式，避免了深度网络中的深度耗散问题，并在图像和音频处理任务中取得了优越的性能。

Nov, 2020

本文研究了面向多维图形的图卷积网络模型 mGCN，旨在捕捉学习多维图形节点级表示中的丰富信息，并在真实世界的多维图形上进行了全面实验，证明了该框架的有效性。

Aug, 2018

本文介绍了 Feature Pyramid Grids（FPG），它是一种深的多路径特征金字塔，将特征尺度空间表示为平行的自底向上路径的正则网格，并通过多方向的侧向连接融合。FPG 可以显著地提高类似计算成本的单路径特征金字塔网络的性能，与神经架构搜索等复杂结构相比，它具有通用和均匀的结构，并且具有优异的性能。本文希望 FPG 能够作为一种强大的组件，在以后的目标识别工作中发挥作用。

Apr, 2020

通过使用多重网格方法和变量小批量形状，以在保持准确性的同时加速视频模型的训练速度，我们提出了一种通用和强健的网格时间表，该时间表可用于不同的模型，数据集和训练设置。

Dec, 2019