Budapest University of Technology and Economics Hungary;
Training; Neural networks; Cost function; Kernel; Minimization; Market research;
机译:基于节点转换概率的消息传递和Dropnode正规化的图表卷积神经网络
机译:具有动态正规化的卷积神经网络
机译:通过增量正则化实现高效卷积神经网络的结构化修剪
机译:通过L0正则化压缩卷积神经网络
机译:结合卷积神经网络和图形神经网络的图像分类
机译:使用深度卷积神经网络的无预训练的参考驱动压缩感测MR图像重建
机译:用稀疏诱导法压缩低精度深度神经网络 三元网络中的正则化