重心编码模型中的度量估计

ICMLJan, 2022

Measure Estimation in the Barycentric Coding Model

Matthew Werenski, Ruijie Jiang, Abiy Tasissa, Shuchin Aeron, James M. Murphy

TL;DR本文考虑了基于质心编码模型（BCM）的测量估计问题，其中假设未知的度量归属于已知度量的有限组的 Wasserstein-2 重心集合。我们提供了测量 BCM 的新的几何、统计和计算方面的见解，并且提供了针对 BCM 的估计程序在三个应用领域中的实用性。

Abstract

This paper considers the problem of measure estimation under the barycentric coding model (BCM), in which an unknown measure is assumed to belong to the set of wasserstein-2 barycenters of a finite set of known measures. Estimating a measure under this model is equivalent to estimating

wasserstein-2 barycenters barycentric coding model quadratic optimization problem empirical observations estimation procedures

发现论文，激发创造

安哥拉兔规模化实验

Hoffmann et al.（2022）提出了三种估计计算最优缩放定律的方法，我们试图复制他们的第三个估计过程，其中涉及将参数损失函数拟合到从图表中重建的数据。我们发现所报道的估计与他们的前两种估计方法不一致，无法对提取的数据进行拟合，并报告了不可信的窄置信区间 - 这种窄度的区间需要超过 60 万个实验，而他们可能只进行了不到 500 个。相比之下，我们使用第三种方法重新推导缩放定律的结果与 Hoffmann 等人描述的前两种估计过程的发现是一致的。

Apr, 2024

解耦门控线性

研究了 ReLU 神经网络，引入了一种简化的模型，即门控线性单元（GaLU），并证明使用 GaLU 神经网络比使用 ReLU 神经网络更容易得到更强的优化和泛化结果，且当某些场景下，GaLU 网络与 ReLU 网络的行为相似。

Jun, 2019

空间网络

本文综述了当前关于空间约束如何影响网络结构和属性的认识，包括空间网络的拓扑结构、空间网络模型，以及在该类网络上发生的各种过程，如相变、随机漫步、同步、导航、弹性和疾病传播等。

Oct, 2010