feed-forward | BriefGPT - AI 论文速递

关键词feed-forward

搜索结果 - 11

XCube（X³）：使用稀疏体素层次化进行大规模 3D 生成建模
我们提出了一种名为 XCube 的新颖生成模型，用于高分辨率稀疏 3D 体素网格和任意属性。我们的模型可以在前向传递的方式下生成数百万个体素，具有高达 1024^3 的最佳有效分辨率，而无需耗时的测试时间优化。除了生成高分辨率的物体外，我们
PDF7 months ago
使用延迟反馈的前馈优化神经网络
研究提出了一种名为 Feed-Forward with delayed Feedback (F$^3$) 的算法，它有效地解决了权重传输和更新锁定等核心问题，实现了生物合理性和计算效率，将生物合理性算法和反向传播算法之间的预测性能差距降低了
PDFa year ago
神经网络收敛于高斯混合分布
通过实验证明，在一些条件成立的情况下，随着最后一个隐藏层的宽度越来越大，完全连接的前馈深度随机神经网络收敛到了一个高斯混合分布。此外，对于一个支持我们结果的简单模型，我们还给出了详细的收敛描述，即，最后一个隐藏层的增长让分布更接近高斯混合分
PDF2 years ago
全局图像解释模型
论文提出了一个计算模型，用于模拟人类在场景中识别元素并进行详细解释的能力。该模型指出，目前的视觉识别模型存在着基本缺陷，即过分依赖前馈模型，不能进行充分有效的自上而下处理。该模型对于人类视觉解释和计算视觉模型有重要的启示意义。
PDF3 years ago
ACLLV-BERT：利用层面多样性的 BERT 模型
该研究改进预训练模型，采用多种不同类型和顺序的神经网络层，采用进化算法寻找最优结构，在多个任务中优于现有的 BERT 模型。
PDF3 years ago
KDDMaskNet: 通过实例引导蒙版引入特征逐层乘积到 CTR 排名模型
本研究中，我们提出了一种名为 MaskNet 的新型深度神经网络模型，它采用一种实例引导掩码技术，有效地解决了在 CTR 估计中常见的特征交互问题，并展示了其在排名任务中的优越性，证明了实例引导掩码在构建高性能排名系统中的有效性。
PDF3 years ago
单目深度估计的双向注意力网络
本文提出一种双向注意力网络（BANet）用于单目深度估计，通过利用神经机器翻译的概念基础和引入双向注意力模块，该方法能够高效地将局部和全局信息相融合，并在 KITTI 和 DIODE 数据集上显著优于传统的前馈模型以及其他现有的单目深度估计
PDF4 years ago
一类 S 型非线性函数的神经网络可辨识性
本文研究神经网络的特定输入输出映射是否能唯一指定神经网络结构、权重和偏置，并探究其实现的通用性和稳健性，构建了一族非线性模型作为研究对象，并得出其必要通用性条件。
PDF5 years ago
关于卷积神经网络 Lipschitz 界的研究
本文介绍一个可以估算 CNN 网络的 Lipschitz bound 的线性程序，并使用其测量特性分离的非线性判别分析。
PDF6 years ago
NIPS基于特征转换的通用风格迁移
本論文提出了一種簡單而有效的方法，使用特徵轉換技術：白化和著色，實現了通用風格轉換，以轉換任意視覺風格並生成高質量的風格圖像。
PDF7 years ago
具有缩放特征的前馈语义分割
引入了一种纯前馈体系结构用于语义分割，通过从超像素缩小到场景级别分辨率的方式，从嵌套的区域序列中提取丰富特征表示来映射小图像元素，并使用前馈多层网络对超像素进行分类，该架构在 PASCAL VOC 2012 测试集上取得了 64.4% 的平
PDF10 years ago