sparsity-inducing regularizers | BriefGPT

关键词sparsity-inducing regularizers

搜索结果 - 4

增强低秩矩阵补全的稀疏正则化生成框架
应用半二次优化于损失函数可以产生对应的正则化器，而这些正则化器通常不具备稀疏诱导能力。为解决这个问题，我们设计了一个能够生成具有闭式近似算子的稀疏诱导能力正则化器的框架。此外，我们使用几个常用的损失函数来明确我们的框架，并产生相应的正则化器
PDF9 months ago
ICLR使用可微缩不变稀疏度量学习稀疏神经网络的 DeepHoyer
本论文提出了一组可微且尺度不变的模型压缩正则化项 DeepHoyer，通过实验表明在相同的精度水平下，使用 DeepHoyer 压缩神经网络可以得到更加稀疏的模型，可以运用于元素级和结构级剪枝。
PDF5 years ago
内存受限的深度卷积神经网络
本研究探讨了在卷积神经网络的训练过程中使用稀疏性正则化的方法。我们的实验结果表明，使用这种正则化方法可以大幅减少神经网络所需的存储和计算开销，并且不会显著降低准确性。
PDF10 years ago
稀疏主题编码
本文提出了稀疏主题编码（STC）方法，通过使用稀疏性建模大数据集的潜在表示，可以直接控制推断表示的稀疏性，并且可以与凸误差函数（例如 SVM Hinge Loss）无缝集成进行监督学习。实验结果表明，STC 和监督 MedSTC 模型在词汇
PDF12 years ago