pooling layers | BriefGPT - AI 论文速递

关键词pooling layers

搜索结果 - 9

利用纹理分析的孔隙性池化层进行植物图像分类
通过引入新型的空洞汇聚层来丰富空间特征的表示，该方法在多个尺度上操作，能够自适应地学习分层特征，实验证明其在捕捉复杂空间模式和改进特征提取能力方面的有效性。
PDF2 months ago
增强图池化与持久同调
最近，有一个新兴的趋势是将持久同调（PH）整合到图神经网络（GNNs）中，以丰富其表达能力。然而，将 PH 特征简单地插入 GNN 层中总是导致边际改善且解释性不高。在本文中，我们研究了一种新颖的机制，利用 PH 将全局拓扑不变性注入到池化
PDF4 months ago
量子卷积神经网络的教训
从分析量子卷积神经网络（QCNNs）中我们得出以下结论：1）利用量子数据可以通过隐藏特征映射来嵌入物理系统参数；2）它们在量子相识别方面的高性能可以归因于在地面态嵌入期间产生非常适合的基函数集，其中旋转模型的量子临界性导致具有快速变化特征的
PDF10 months ago
AdaPool: 信息保留的指数自适应池化下采样
提出了一种自适应的指数加权池化方法（adaPool），该方法在图像和视频分类以及目标检测任务中提高了细节的保留，并且比常规池化方法具有双向性，其学习到的权重也可用于上采样激活地图。
PDF3 years ago
结构化情感分析的稀疏模糊注意力
通过引入池化层，我们提出了一种稀疏模糊的注意力打分器，改善了结构化情感分析的解析性能，并在该领域取得了最新的最佳表现。此外，我们还探索了二阶解析建模，并引入了一种新的稀疏二阶边缘构建过程，这大大提高了解析性能。
PDF3 years ago
ICCVLIP: 局部重要性池化
本文提出了一种基于本地重要性建模的简单，通用且有效的池化层 LIP，它能够学习自适应重要性权重，从而提高下采样过程中的判别特征，在 ImageNet 分类和 MS COCO 数据集的目标检测中都取得了很好的性能。
PDF5 years ago
KDD分子图上的稀疏分层表示学习
基于含边界特征的层次化稀疏表示学习架构，提出了两种用于层次化图形表征汇聚的层，并在 MoleculeNet 数据集上进行了验证，结果表明该模型在药物发现领域是最先进的。
PDF5 years ago
WWW学习图池化和混合卷积操作以获取文本表示
提出了使用可训练投影向量评估节点重要性来选择新图形的最重要的 K 个节点以达到与图像最大池化层相同目的的图形池 (pooling) 层。同时，结合 GCN 和普通卷积运算进行的混合卷积层 (hConv) 能够快速增加接受野 (recepti
PDF5 years ago
深度学习的信息论视角
通过理论分析，文章探讨了深度神经网络的泛化能力与网络深度之间的关系，并且指出卷积层等具有信息损失的深层结构可以提高整个网络的泛化性能。但是随着网络深度的增加，拟合数据的信息损失也会增大，也就是网络深度与训练误差之间有一定的条件关系。此外，文
PDF6 years ago