back-propagation | BriefGPT

关键词back-propagation

搜索结果 - 34

利用人工神经网络进行纳米光子颗粒模拟和反向设计
使用人工神经网络逼近多层纳米粒子的光散射，并利用反向传播求解纳米光子逆向设计问题。
PDF7 years ago
NIPS深度子空间聚类网络
本文提出了一种基于深度自编码器的无监督子空间聚类新颖深度神经网络架构，其中引入了一种自相似层，以模拟传统子空间聚类方法中的 “自相似” 属性。该方法能够在非线性方式下对具有复杂结构的数据点进行聚类，并且在实验中表现出优于现有方法的性能。
PDF7 years ago
路径积分网络：端到端可微分最优控制
本文提出了一种叫做 PI-Net 的循环神经网络，使用路径积分最优控制算法来实现系统动态学习及成本模型，并通过反向传播和随机梯度下降来端到端地学习动态和成本模型，从而实现规划。通过模仿学习的方式训练 PI-Net，它可以在两个模拟问题上模拟
PDF7 years ago
ArtGAN: 有条件的分类生成对抗网络进行艺术品综合
本文提出了一种生成式对抗网络的扩展 ——ARTGAN，用于合成具有抽象特征的艺术品等复杂挑战性图像。通过允许唯一标签信息的反向传播，该方法更快地进行学习并且能够更好地生成高质量的图像。实验显示，ARTGAN 可以创造出逼真的艺术作品，并能够
PDF7 years ago
利用神经网络形式主义解决多实例问题
本文提出了一种基于神经网络的多实例学习技术，在 14 个公开基准数据集上进行了八种分类器的比较，结果表明该技术可以有效地优化和发现袋子中的未知模式
PDF8 years ago
ECCV基于峰值导引的深度神经网络的面部表情识别
研究了用于面部表情识别任务的深度网络的目标函数，介绍了一种新的峰值驱动深度网络，使用样本峰值表情来监督同类型和同一个主体的非峰值表情的中间特征响应，有效实现对表情变化的不变性。通过分类器的训练，研究证明了 PPDN 模型比其他 FER 模型
PDF8 years ago
平衡传播：弥合基于能量模型与反向传播之间的鸿沟
介绍 Equilibrium Propagation - 一种学习能量模型的框架，该模型仅涉及一种神经计算，并在两个阶段中执行，通过 Local perturbations，使预测从一个配置微调到减少预测误差的配置，并且在第二阶段向后传播的
PDF8 years ago
ICML深度网络的分层自适应学习率
本文提出了一种优化方法以训练深度神经网络，该方法使用适应性学习率，以增加函数曲率低点的学习率。这可以加快网络浅层的学习，快速退出高误差低曲率鞍点，提高标准算法的准确性并减少所需的训练时间。
PDF9 years ago
通过添加对抗梯度改进反向传播
本文介绍了使用对抗训练算法来提高神经网络的鲁棒性，并且验证了该方法适用于各种不同类型的神经网络，通过实验证明对抗反向传播是一种有效的正则化方法。
PDF9 years ago
去噪自编码器中的横向连接支持监督学习
本研究提出了一种基于深度去噪自编码器和横向连接的无监督辅助学习模型，通过反向传播同时最小化监督和无监督成本函数的总和，避免了逐层预训练，显著提高了排列不变 MNIST 分类任务的效果。
PDF9 years ago
GSNs：生成随机网络
提出了一种新的基于马尔科夫链的生成随机网络（GSN）框架作为概率模型的训练原则，并通过具有反向传播的梯度来学习该链的转移算子，该理论提供了关于依赖网络和广义伪似然的有趣解释，试验结果验证了该理论在两个图像数据集中的有效性，并且在训练时不需要
PDF9 years ago
KDD差异目标传播
本文提出了一种称为目标传播的深度网络学习方法，它可以在神经元之间交换随机位而不是实数的情况下进行反向传播，每一层都使用自编码器来计算目标，得到了与反向传播相当的结果。换句话说，该方法提出了一种解决非线性函数下的显式反向传播方法问题的方法，现
PDF10 years ago
用随机游走初始化训练超深度前馈网络
该研究论文探讨了在机器学习中训练深度网络的困难之处，并提出了一种方法解决梯度消失问题，即适当增加各层的宽度以缓解问题。
PDF10 years ago
通过随机神经元估算或传播梯度以进行条件计算
研究使用四种方法解决带有随机神经元和硬非线性的神经网络中的梯度估计问题，其中一种最小方差无偏梯度估计器（REINFORCE 算法的一种特殊情况）适用于随机二元神经元，另一种方法将二元随机神经元的操作分解为随机二元部分和平滑可微部分，在稀疏随
PDF11 years ago