BriefGPT.xyz
Ask
alpha
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
→
PDF
7 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。
PDF
2 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
→
PDF
3 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。
PDF
3 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。
PDF
3 years ago
Prev
Next