functional regularization | BriefGPT

关键词functional regularization

搜索结果 - 7

一种可扩展的 Walsh-Hadamard 正则化器，以克服神经网络的低阶谱偏倚
研究神经网络中的频谱偏差问题，提出一种新的可扩展的函数正则化方案，以帮助神经网络学习更高阶的频率，并对四个不同的数据集进行了广泛的评估，显示相对于标准神经网络和其他基线方法显著提高了推广性。
PDFa year ago
CVPR密度图蒸馏用于增量对象计数
论文提出了一种新的基于密度图蒸馏（Density Map Distillation，DMD）的函数正则化方法，旨在解决计算机视觉中的增量学习问题，通过引入新的计数器头和跨任务适配器来避免忘记以前任务，实验结果表明，该方法大大减少了灾难性遗忘
PDFa year ago
ICLR预处理函数梯度流粒子变分推断
本文提出一种名为 PFG 的新粒子变分推断算法，采用一种 functional regularization 方法，支持更广泛的函数类，同时具有更好的可伸缩性和对恶劣条件分布的适应性，在渐进意义下连续地收敛于 KL 散度。
PDF2 years ago
CVPR使用投影函数正则化持续学习自监督表示
研究了自监督学习法在不重放机制的连续性学习中的应用，提出了一种新的 Projected Functional Regularization 方法，解决了学习新特征时遗忘以前学到信息的问题，取得了竞争性能。
PDF3 years ago
通过学习的傅里叶特征对强化学习进行功能正则化
本文提出了一种基于傅里叶基的深度强化学习简单架构，通过理论和实验探究，发现学习傅里叶特征可以调整网络欠拟合和过拟合的程度，从而提高强化学习的性能和稳定性。
PDF3 years ago
ICML降低方差强化学习的控制规范化
介绍了一种基于功能正则化方法的强化学习中的高性能方案，可以相对于一个策略先验进行行为的规则化，进而获得偏差 - 方差的平衡来降低高方差的挑战，并通过自适应调整策略先验，保证稳定性和更高的学习效率
PDF5 years ago
深度神经网络的表示定理
通过引入功能规则化到损失函数中，基于二阶总变差准则，提出了一种可以用于通信、编码和学习的深度神经网络优化方法；同时，通过使用自适应节点的非均匀线性样条，可以实现每个神经元的动作编码。
PDF6 years ago