关键词deep equilibrium learning
搜索结果 - 2
- 利用测试时间训练克服插拔式方法中的分布偏移
提出了 PnP-TTT 这种新方法来克服 PnP 方法中的分布偏移问题,通过在 PnP 迭代的固定点上优化自监督损失来应用于单个测试样本以改善 PnP 的泛化能力。模拟实验表明,在测量次数足够的情况下,PnP-TTT 可以使用在自然图像上训 - 联邦深度均衡学习:边缘通信效率的紧凑共享表示
FeDEQ 是一种先驱性的联邦学习框架,利用深度均衡学习和一致性优化有效地在边缘节点之间利用紧凑的共享数据表示,允许派生个性化模型,并通过采用交替方向法解(ADMM)一致性优化的新型分布式算法,理论上证明了其收敛性。实验结果表明,与最先进的