input convex neural networks | BriefGPT

关键词input convex neural networks

搜索结果 - 5

深度集合线性优化输送点云分类
介绍了一种名为深度集合线性化最优输运的算法，用于将点云有效地嵌入到 L^2 空间中，并在构建一个分类器来区分不同类别的点云的同时，保留 Wasserstein 空间内特定的低维结构。通过使用输入凸神经网络 (ICNNs) 学习这些输运映射的
PDF6 months ago
输入凸 LSTM: 一种基于凸优化的快速 Lyapunov 模型预测控制方法
该研究基于输入凸神经网络（ICNN），提出了一种用于基于 Lyapunov 的 MPC 的新型输入凸 LSTM，旨在减少收敛时间、缓解梯度消失问题并确保闭环稳定性。模拟非线性化学反应器实验结果显示，相对于基准普通循环神经网络、普通 LSTM
PDF8 months ago
CR-LSO：输入凸性神经网络下基于图变分自编码器的潜空间凸性神经架构优化
本文提出了一种凸性正则化潜变量优化（CR-LSO）方法，使用图形变分自动编码器（G-VAE）和输入凸神经网络（ICNNs）实现神经结构搜索，并在三个 NAS 基准测试中获得具有竞争优势的计算和性能结果。
PDF2 years ago
变分 Wasserstein 梯度流
本文提出一种应用于概率分布空间优化问题中的变分形式的 Wasserstein 梯度流方法，该方法利用了内部批量样本更新，实现了良好定义和有意义的目标函数下的梯度流构造，并在合成和真实高维数据集的实验中展示了其性能和可扩展性。
PDF3 years ago
Wasserstein-2 生成网络
该论文提出了一种新颖的端到端非极小算法，用于训练最优输运映射以逼近 Wasserstein-2 距离，并使用输入凸神经网络和循环一致性正则化来近似 Wasserstein-2 距离，解决了流行的熵和二次正则化中存在偏差和高维度缩放问题的不足
PDF5 years ago