input-convex neural networks | BriefGPT

关键词input-convex neural networks

搜索结果 - 5

输入凸神经网络的基本权重初始化
输入凸性神经网络（ICNN）是能够保证输入 - 输出映射凸性的网络。本文通过对非负权重层的信号传播研究，推导出一种基于原理的 ICNN 权重初始化方法，实验证明这种初始方法有效加速了 ICNN 的学习和提高了泛化性能。此外，ICNN 还被应
PDF7 months ago
多元分位函数预测器
使用多元分位函数预测器（MQF $^2$），结合输入凸神经网络，提出全局概率预测方法，能准确地预测多种时间跨度的数据，并且能够有效地捕捉到时间依赖结构和避免分位数交叉。
PDF2 years ago
神经最优传输求解器有效吗？连续 Wasserstein-2 基准测试
本文研究了神经网络在最优传输问题中的应用。通过使用输入凸性神经网络来构建连续测量的对，该对的基本真实的最优传输映射可以通过分析获得。然后使用这些基准测量来评估现有的最优传输求解器，研究发现现有的最优传输求解器精度存在局限性，提高最优传输的准
PDF3 years ago
使用输入凸神经网络来优化概率空间上的泛函
该研究使用输入凸神经网络来近似 JKO 方案，并在控制分子生成试验中实验验证其可行性和有效性。
PDF3 years ago
大规模 Wasserstein 梯度流
本研究介绍了一种基于输入凸神经网络的渐进 Wasserstein 流逼近方法，无需领域离散化或粒子模拟，可用于机器学习应用，例如非线性滤波。
PDF3 years ago