关键词polynomial neural networks
搜索结果 - 6
- PNeRV: 用于视频的多项式神经表示
通过引入多项式神经网络,本研究提出了一种针对视频的参数高效、面片级内隐神经表示的方法(PNeRV),该方法在保留空间连续性的同时,充分利用了连续时间的模糊能力,解决了视频数据领域内内隐神经表示所面临的挑战,并为先进的视频处理和分析开辟了新的 - 多项式神经网络的几何
研究使用单项式激活函数的多项式神经网络 (PNNs) 的表达能力和学习过程。探讨了使用代数几何工具对某些神经流形进行研究:给出了半代数集的显式描述,并表征了其 Zariski 闭包,称之为神经多样性。研究了神经多样性的维度,并将一个代数度量 - 贝叶斯多项式神经网络与多项式神经常微分方程
发展和验证了拉普拉斯逼近、马尔可夫链蒙特卡罗采样方法和变分推断等贝叶斯推断方法,发现拉普拉斯逼近是解决这类问题的最佳方法。我们的工作可以轻松扩展到多项式神经网络等符号神经网络的更广泛类别。
- Hadamard 乘积神经网络的外推与谱偏差:多项式网络研究
本文研究了神经网络训练动态和泛化界限的一个有力工具 —— 神经切向核(NTK),提出了有限宽度 NTK 理论在多项式神经网络中的应用,证明了在外推和特征偏差方面,多项式神经网络与标准神经网络的差异。
- ICLR多项式神经网络的谱偏差
本文探讨了多项式神经网络在图像生成和人脸识别方面的有效性,还研究了神经网络具有低频函数方面的谱偏向性,发现多项式神经网络可以通过引入乘法交互项加速学习,提供了设计架构和学习框架的新洞察。
- 深度多项式神经网络
本文提出了一种基于多项式扩展的新型函数逼近器 ——π- 网,它是多项式神经网络,通过具有共享因子的张量集合分解来估计自然表示的未知参数,可用于许多任务和信号的表达建模,并在激活函数的辅助下在图像生成、人脸验证和 3D 网格表示学习等任务中实