关键词computational performance
搜索结果 - 8
- GDGS:基于梯度领域高斯分解的辐射场稀疏表示
我们提出了一种新方法,通过建模原始信号的梯度来实现更高效的存储和计算性能,使用稀疏的梯度进行视图合成,从而使计算性能提高了 100-1000 倍,同时可以通过解决一个具有线性计算复杂度的泊松方程来恢复二维图像。该方法在人体建模和室内环境建模 - 张量网络视角下的卷积
本研究通过张量网络对卷积进行了全新的视角探讨,通过图表述来研究其基础性质,证明了该方法的表达能力,并通过实验证明了其对于多种卷积操作的适用性和有效性。
- 计算性能感知的无监督概念漂移检测基准测试
该研究提出了一个新的基准套件来评估 AI 系统中的概念漂移检测算法,其中考虑了计算性能和检测质量,并且集成在流式学习的框架中。该套件支持合成和真实数据流的评估,有助于科学界得到无监督漂移检测算法的基准表现。
- NIPS稀疏奖励确定性马尔可夫决策过程的快速在线精确解法
介绍了一种新的方法,确切高效地解决了具有稀疏奖励来源的确定性连续 MDP 问题,可以提高在机器人和无人系统等领域的应用价值,减少计算复杂度。
- 非凸分段线性函数:先进公式与简单建模工具
该论文提出了新的混合整数规划(MIP)公式,包括基于几何方法的单变量函数的新公式和基于组合方法的双变量函数的新公式,这些公式在计算性能方面表现出显着的改进,并通过高级界面实现了 PiecewiseLinearOpt,这是 Julia 中 J - (紧)斯蒂费尔流形的统计学理论和应用
本文定义了一个基于高斯分布的同构空间概率分布,并证明了最大似然估计的位置参数与该概率分布中样本的 Fréchet 平均值相同。同时,我们提出一种递归计算算法来计算来自 Stiefel 流形上高斯分布的 Fréchet 平均值,多组实验数据证 - NIPS基于同伦参数单形法的稀疏学习
采用参数单形法对稀疏学习问题进行求解,其能够获得完整求解路径、稀疏解以及具有高精度对偶证书的停止准则,并且在各种稀疏学习方法中表现出优越的计算性能。
- 近似去中心化贝叶斯推断
本文提出了一种在分散型学习代理网络上执行贝叶斯推断的近似方法,该方法首先对每个学习代理使用变分推断生成本地近似后验,代理将本地后验传输到网络中的其他代理,最后每个代理组合其收到的本地后验。实验结果表明,这种分散式方法在计算性能和预测测试可能