BriefGPT.xyz
大模型
Ask
alpha
关键词
algorithm unrolling
搜索结果 - 6
个性化联邦学习中的所需学习内容
个性化联邦学习中的数据异质性是一个重要问题,目前的方法未能根据每个本地客户端的数据特征定制合作方式,导致聚合结果不理想。为解决这一问题,我们提出了一种基于算法展开的个性化联邦学习框架 Learn2pFed,使每个客户端能够自适应地选择其本地
→
PDF
6 months ago
分析与增强展开优化的反向传播收敛性
通过算法展开的反向传播与通过迭代方法求解线性系统的解是渐进等价的,在构建更高效的反向传播规则方面提出了折叠优化系统。
PDF
6 months ago
逆问题的算法展开模型的统计学视角
在已知条件分布的情况下,通过算法展开设计深度神经网络架构,分析了梯度下降网络(GDN)的统计复杂性、最佳深度和过拟合问题。
PDF
8 months ago
通过深度学习加速多帧盲去卷积
本文提出了一种基于算法展开的机器学习加速图像恢复方法,利用小型神经网络对优化方法进行辅助,其结果表明相较于标准优化程序,该方法和使用机器学习的盲反卷积技术可以大幅缩短恢复时间,且在多个数据集上表现出良好的泛化能力并可无监督训练。
PDF
a year ago
随机展开联合学习
介绍了 Stochastic UnRolled Federated learning(SURF),它是一种将算法展开(algorithm unrolling)应用于联邦学习的方法,通过在图神经网络(graph neural network)
→
PDF
a year ago
算法展开:信号与图像处理中可解释、高效的深度学习
本文综述了算法展开在信号与图像处理中的应用,特别是在深度神经网络中实现了可解释的网络结构,为未来的发展提供了可能性,并探讨了未来的研究方向。
PDF
5 years ago
Prev
Next