hypernetwork architecture | BriefGPT

关键词hypernetwork architecture

搜索结果 - 8

基于观测引导的气象场缩尺度：基准和新方法
本研究介绍了一种新型的天气降尺度模型，名为 HyperDS，它基于超网络架构并通过集成多尺度观测先验信息，实现了连续尺度建模的气象场效果，并在多个表面变量上优于其他基准模型。
PDF5 months ago
MotherNet: 基于表格分类的基础超网络
提出了一种基于超网络架构的 MotherNet 模型，通过在训练集上进行一次前向传播生成一个经过训练的子神经网络，用于多类别分类任意表格数据集，并在效率和鲁棒性方面具有竞争力。
PDF7 months ago
基于模型的位置到信道映射学习
为了克服通信信道在用户位置发生变化和学习低频函数的偏见带来的困难，本文提出了一种节俭、基于模型的网络，将目标映射函数的低频部分与高频部分分离出来，形成一个超网络架构，其中神经网络只学习高频组件字典中的低频稀疏系数。仿真结果表明，所提出的神经
PDF10 months ago
HyperINR: 一种快速预测的超网络，通过知识蒸馏实现隐式神经表示
本文引入 HyperINR，一种新颖的超网络架构，通过利用多分辨率哈希编码单元的集合，直接预测一个紧凑的 INR 的权重，从而提高了 INR 的推理性能和支持交互式虚拟现实。
PDFa year ago
HyperTime: 时间序列的隐式神经表示
本文利用隐式神经表示技术分析了时间序列数据的表示问题，并提出了一种基于傅里叶变换的损失函数来指导网络训练的超网络结构，用于生成时间序列数据。我们证明了这个方法可以用于时间序列数据的扩充与生成，并且在此领域达到了最先进的方法的水平。
PDF2 years ago
ICML用超网络重新组合强化学习构建块
本文提出使用超网络结构来改善强化学习和 Meta-RL 算法中梯度估计和学习步骤方差的问题，以提高学习效率和最终性能。实验表明，该方法可在不同的任务和算法中得到一致的改进。
PDF3 years ago
RegFlow: 未来预测的概率流回归
本文提出了一种弹性且鲁棒的概率框架 RegFlow，采用超网络架构和连续正常化流模型进行训练，无需对未来状态的单峰性或概率分布做出任何限制，成果在多项基准数据集上表现优于竞争方法。
PDF4 years ago
超网络知识图谱嵌入
本文提出一种基于超网络结构的张量分解方法，用于实现知识图谱中链接预测任务，取得了比 ConvE 和所有以前的方法更好的性能表现，同时能够作为张量分解模型的一种简化（相比较于卷积神经网络方法）而得到推广。
PDF6 years ago