Zobrazeno 1 - 10
of 37
pro vyhledávání: '"Moldovan, Adrian"'
Graph Convolutional Networks (GCN) are Graph Neural Networks where the convolutions are applied over a graph. In contrast to Convolutional Neural Networks, GCN's are designed to perform inference on graphs, where the number of nodes can vary, and the
Externí odkaz:
http://arxiv.org/abs/2406.06632
Publikováno v:
Entropy - MDPI, Year 2021, Number 9, Article Number 1218, PubMedID 34573843, ISSN 1099-4300
Recently, there is a growing interest in applying Transfer Entropy (TE) in quantifying the effective connectivity between artificial neurons. In a feedforward network, the TE can be used to quantify the relationships between neuron output pairs locat
Externí odkaz:
http://arxiv.org/abs/2404.02943
Publikováno v:
2023 27th International Conference Information Visualisation (IV), pages 278-285
In a feedforward network, Transfer Entropy (TE) can be used to measure the influence that one layer has on another by quantifying the information transfer between them during training. According to the Information Bottleneck principle, a neural model
Externí odkaz:
http://arxiv.org/abs/2404.01364
Current neural networks architectures are many times harder to train because of the increasing size and complexity of the used datasets. Our objective is to design more efficient training algorithms utilizing causal relationships inferred from neural
Externí odkaz:
http://arxiv.org/abs/2104.14616
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:
Moldovan, Iren-Adelina, Toader, Victorin Emilian, Moldovan, Adrian Septimiu, Ghica, Daniela, Constantin, Angela Petruta
Publikováno v:
Proceedings of the International Multidisciplinary Scientific GeoConference SGEM; 2017, Vol. 17 Issue 1-4, p405-412, 8p
Autor:
Anghel, Andrei, Cacoveanu, Remus, Moldovan, Adrian-Septimiu, Popescu, Anca-Andreea, Datcu, Mihai, Serban, au
Publikováno v:
2016 IEEE International Geoscience & Remote Sensing Symposium (IGARSS); 2016, p2094-2097, 4p