[B! batch normalization][bias] arxiv_readerのブックマーク

arxiv_reader id:arxiv_reader

batch normalizationとbiasに関するarxiv_readerのブックマーク (15)

https://arxiv-check-250201.firebaseapp.com/each/2407.17834v1
arxiv_reader 2024/07/26
arXiv

compression

stereo

representation

reconstruction

arXiv reaDer

batch normalization

synthesis

bias

CNN
リンク
https://arxiv-check-250201.firebaseapp.com/each/2312.15702v2
arxiv_reader 2024/04/04
arXiv

arXiv reaDer

learning

benchmark

bias

semi-supervised

dataset

batch normalization
リンク
https://arxiv-check-250201.firebaseapp.com/each/2402.03758v1
arxiv_reader 2024/02/07
arXiv reaDer

learning

domain

arXiv

benchmark

batch normalization

dataset

bias
リンク
https://arxiv-check-250201.firebaseapp.com/each/2312.06900v1
arxiv_reader 2023/12/13
arXiv reaDer

activity

quantization

SNN

bias

batch normalization

arXiv

dataset

CNN
リンク
https://arxiv-check-250201.firebaseapp.com/each/2310.00641v2
arxiv_reader 2023/10/04
bias

3D

CNN

pose

MRI

arXiv reaDer

transformer

arXiv

regularization

batch normalization
リンク
DELTA: 劣化のない完全なテスト時間適応
arxiv_reader 2023/01/31
完全なテスト時間適応は、リアルタイム推論中に事前トレーニング済みモデルをテストストリームに適応させることを目的としています。これは、テスト分布がトレーニング分布と異なる場合に緊急に必要になります。適

bias

pre-training

arXiv

real time

batch normalization

adaptation

arXiv reaDer

dataset
リンク
ドメインの汎化注意を意識した複数操作戦略における人物の再識別
arxiv_reader 2022/10/20
ドメイン汎化人物再識別 (DG Re-ID) は、ソースドメインでトレーニングされたモデルを目に見えないターゲットドメインに適切な汎化で直接展開することを目的としています。これは困難な問題であり、

person

arXiv

representation

dataset

arXiv reaDer

re-id

attention

bias

domain

batch normalization
リンク
トレーニング可能性を維持するニューラルプルーニング
arxiv_reader 2022/08/23
最近のいくつかの研究では、学習率の微調整がニューラルネットワーク構造化剪定の最終的なパフォーマンスにとって重要であることが経験的にわかっています。さらなる調査により、ネットワークのトレーニング可能性は

arXiv

pruning

dataset

arXiv reaDer

convolutional

learning
リンク
画像セグメンテーションのための形状モーメントによるテスト時間適応
arxiv_reader 2022/05/18
教師あり学習は、分布シフトの下で一般化に失敗することがよく知られています。典型的な臨床設定では、ソースデータにアクセスできず、ターゲット分布は少数のサンプルで表されます。適応は、テスト時に少数または単

arXiv

domain adaptation

segmentation

batch normalization

learning

bias

arXiv reaDer
リンク
ハードウェアロバストなIn-RRAM-オブジェクト検出のためのコンピューティング
arxiv_reader 2022/05/10
インメモリコンピューティングは、その高度な並列コンピューティング、低電力、および低エリアコストにより、最近、ディープラーニングハードウェアアクセラレータの人気のあるアーキテクチャになりつつあります。た

classification

bias

arXiv reaDer

arXiv

convolutional

batch normalization

detection
リンク
一般化可能な個人の再識別のためのガウス過程による偏りのないバッチ正規化
arxiv_reader 2022/03/04
一般化可能な個人の再識別は、見えないドメインでうまく機能することができる、いくつかのラベル付けされたソースドメインのみを持つモデルを学習することを目的としています。見えないドメインにアクセスできない場

representation learning

estimation

re-id

batch normalization

arXiv

person

bias

arXiv reaDer

domain
リンク
クラスインクリメンタル学習におけるバッチ正規化の診断
arxiv_reader 2022/02/17
広範な研究により、クラスインクリメンタル学習（Class-IL）にディープニューラルネットワーク（DNN）が適用されています。 DNNの構成要素として、バッチ正規化（BN）は中間特徴マップを標準化し、

dataset

benchmark

arXiv reaDer

arXiv

batch normalization

classification

bias

representation learning

DNN
リンク
分布外の向きと照明のオブジェクトへのDNNの一般化を容易にする3つのアプローチ
arxiv_reader 2021/11/02
トレーニングデータの分布は、特定の方向と照明条件のオブジェクトに偏っていることがよくあります。人間は、分布外（OoD）の方向と照明でオブジェクトを認識する優れた能力を備えていますが、この場合、大量のト

bias

arXiv reaDer

3D

OOD

dataset

arXiv

batch normalization

activity

DNN
リンク
ロングテール認識のためのキャリブレーションの改善
arxiv_reader 2021/04/02
トレーニングデータセットのクラスが大幅に不均衡な場合、ディープニューラルネットワークのパフォーマンスが低下する可能性があります。最近、2段階の方法により、表現学習と分類器学習が分離され、パフォーマンス

benchmark

dataset

arXiv

arXiv reaDer

bias

representation learning

batch normalization
リンク
バッチ正規化は、ディープネットワークの恒等関数に向けて残差ブロックをバイアスします
arxiv_reader 2020/12/10
バッチ正規化は、残余ネットワークのトレーニング可能な最大の深さを劇的に増加させます。この利点は、幅広いベンチマークでの深い残余ネットワークの経験的成功にとって重要です。初期化時に、バッチの正規化によ

benchmark

batch normalization

learning

arXiv reaDer

residual

arXiv

bias
リンク
1

お知らせ

もっと読む

公式Twitter

@HatenaBookmark
リリース、障害情報などのサービスのお知らせ
@hatebu
最新の人気エントリーの配信

キーボードショートカット一覧

j次のブックマーク

k前のブックマーク

lあとで読む

eコメント一覧を開く

oページを開く

設定を変更しましたx