Zobrazeno 1 - 10
of 68
pro vyhledávání: '"Liu, Jiageng"'
Autor:
Liu, Jiageng
I study on-the-job learning at IT firms. Using detailed online activity data of 144,000 employees matched with 25,000 firms across the globe, I measure the intensity and the direction of technology acquisition, a key input to innovation. A standardiz
Externí odkaz:
https://hdl.handle.net/1721.1/155860
Autor:
Wang, Zehan, Zhao, Yang, Cheng, Xize, Huang, Haifeng, Liu, Jiageng, Tang, Li, Li, Linjun, Wang, Yongqi, Yin, Aoxiong, Zhang, Ziang, Zhao, Zhou
Multi-modal Contrastive Representation learning aims to encode different modalities into a semantically aligned shared space. This paradigm shows remarkable generalization ability on numerous downstream tasks across various modalities. However, the r
Externí odkaz:
http://arxiv.org/abs/2305.14381
Autor:
Liu, Jiageng, Sun, Hongyu, Liu, Hongchen, Yue, Qiang, Xu, Zongmei, Jia, Yanyan, Wang, Shaojie
Publikováno v:
In Measurement 30 January 2025 240
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Li, Jingkun, Fu, Binguo, Dong, Tianshun, Li, Guolu, Zhang, Yanling, Liu, Yongyue, Liu, Jiageng
Publikováno v:
In Journal of Materials Research and Technology July-August 2023 25:657-666
Publikováno v:
In iScience 19 May 2023 26(5)
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
A new amortized variance-reduced gradient (AVRG) algorithm was developed in \cite{ying2017convergence}, which has constant storage requirement in comparison to SAGA and balanced gradient computations in comparison to SVRG. One key advantage of the AV
Externí odkaz:
http://arxiv.org/abs/1708.01384