摘要：郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ Arxiv 2016 Abstract 训练最先进的深度神经网络在计算上是昂贵的。减少训练时间的一种方法是使神经元的活动归一化。最近引入的一种称为批量归一化的技术使用神经元的总输入在小批量训练案例上的分布来计算平均值和方差，然后用于在每个 阅读全文

摘要：郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ Abstract 二值神经网络是网络量化的极端情况，长期以来一直被认为是一种潜在的边缘机器学习解决方案。然而，与全精度方法相比，其显著的精度差距限制了其在移动应用中的创新潜力。在这项工作中，我们重新审视了二值神经网络的潜力，并将重点放在一 阅读全文

摘要：郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ Proceedings of the Twenty-Seventh International Joint Conference on Artificial Intelligence (IJCAI-18) Abstract 在本文中，我们 阅读全文

摘要：郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ CoRR, (2016) Abstract 我们介绍了BinaryNet，一种在计算参数梯度时使用二值权重和激活来训练DNN的方法。我们表明，可以在MNIST上训练多层感知器(MLP)，在CIFAR-10和SVHN上使用BinaryNet 阅读全文

摘要：郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ COMPUTER VISION - ECCV 2016, PT IV, (2016): 525-542 Abstract 我们提出了标准卷积神经网络的两种有效近似：二值权重网络和XNOR网络。在二值权重网络中，滤波器使用二值近似，从而节省 阅读全文

摘要：郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ AAAI 2021 Abstract 我们介绍了一类新的时间连续循环神经网络模型。我们不是通过隐式非线性来声明学习系统的动态，而是构造了通过非线性互连门调节的线性一阶动态系统的网络。所得模型表示具有变化的(即液体)时间常数的动态系统，该动 阅读全文

摘要：郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ ICLR, (2014) Abstract 在本文中，我们探索了将RNN扩展到深度RNN的不同方法。我们首先争论说，RNN中的深度概念并不像前馈神经网络中的概念那么清晰。通过仔细分析和理解RNN的结构，我们发现RNN的三个方面可能会变得更 阅读全文

摘要：郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ http://openaccess.thecvf.com/content_CVPR_2019/papers/He_Bag_of_Tricks_for_Image_Classification_with_Convolutional_Neur 阅读全文