gram matrices | BriefGPT - AI 论文速递

关键词gram matrices

搜索结果 - 9

梯度下降法在深度非线性网络中导致权重与经验 NTK 之间的对齐
神经网络从输入 - 标签对中提取统计数据的机制是监督学习中最重要的未解决问题之一。我们通过解释神经特征假设（NFA）的出现来揭示了这种关联的原因，并且提出了一种简单的干预方法来提高 NFA 关联性，从而显著改善学习到的特征的质量。
PDF5 months ago
对二次随机点拟合椭球
研究拟合 n 个高斯随机向量到以原点为中心的椭球体边界问题，证明了它在 n 与 d 趋近于无穷大的情况下具有尖锐的可行性转变，并使用 Bartl&Mendelson 的关键结果和矩阵专业性质得出了当 n ≤ d²/C 时 (此处 C>0 是
PDFa year ago
ECCV利用神经特征获得增强的组鲁棒性
本文提出了一种基于 Gram 矩阵的特征提取模型对训练数据集进行分组的方法，通过伪分组采用鲁棒优化策略来提高模型的容错性能，在没有真实分组标签的情况下证明其在提高模型鲁棒性方面的优越性，并优于最近的所有基线模型。
PDF2 years ago
GramGAN: 基于深度学习的从 2D 样例生成 3D 纹理
本文提出了一种新颖的纹理合成框架，可以根据 2D 示例图像生成无限高质量的 3D 纹理，通过训练深度神经网络模型进行纹理生成，其中采用了结合样式迁移和生成对抗网络思想的新型损失函数，将分析网络深度特征的 Gram 矩阵与合成网络匹配，同时还
PDF4 years ago
随机矩阵理论证明深度学习对 GAN 数据的表示行为类似于高斯混合模型
通过理论和实验证明，深度生成对抗网络产生的数据的 DL 表示是集中随机向量类中的随机向量。同时，Gram 矩阵能够描述 GAN 数据的 DL 表示的前两个统计矩，并可用于多种标准分类器。
PDF4 years ago
利用内部数据和 Gram 矩阵检测非分布数据示例
本文介绍了一种基于 Gram 矩阵的方法，可用于检测深度神经网络中的 Out-of-Distribution 异常案例，结合对于训练数据范围内对比每个值，其值与范围的关系进行的异常检测，无需访问 OOD 数据进行超参数微调，并可适用于任何预
PDF5 years ago
矩阵、向量和线性最小二乘回归的无维度 PAC-Bayesian 界
该研究论文探讨无维度 PAC-Bayesian 界限，使用弱多项式矩阵假设，允许重尾样本分布，涉及向量或矩阵均值估计，并特别关注于格拉姆矩阵估计，因其在高维数据分析中的重要作用。
PDF7 years ago
IJCAI神经风格转移的探秘
本文提出了一个新的神经风格转移的解释，即将其视为一个域自适应问题，理论上证明匹配特征图 Gram 矩阵相当于用二次多项式内核最小化最大平均偏差（MMD），实验结果表明，通过多种不同的分布对齐方法，我们可以实现理想的结果。我们认为这种新的解释
PDF7 years ago
探究艺术风格的神经算法
本文探讨了 Gatys 等人在文章 “A Neural Algorithm of Artistic Style” 中提出的样式迁移方法，进一步研究了样式空间，以及一些基于网络特征的新的样式表示，并讨论了如何实现局部和潜在的内容感知的样式迁移
PDF8 years ago