Zobrazeno 1 - 10
of 102
pro vyhledávání: '"Tschannen, M."'
Autor:
de Huu, M., Tschannen, M., Bissig, H., Stadelmann, P., Büker, O., MacDonald, M., Maury, R., Neuvonen, P.T., Petter, H.T., Rasmussen, K.
Publikováno v:
In Flow Measurement and Instrumentation June 2020 73
Publikováno v:
In Flow Measurement and Instrumentation June 2020 73
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Proceedings of the 37th International Conference on Machine Learning (ICML 2020)
Proceedings of Machine Learning Research (PMLR)
Proceedings of Machine Learning Research (PMLR)
Intelligent agents should be able to learn useful representations by observing changes in their environment. We model such observations as pairs of non-i.i.d. images sharing at least one of the underlying factors of variation. First, we theoretically
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::72df5ef4730292db58bf7a8a9b41d715
http://arxiv.org/abs/2002.02886
http://arxiv.org/abs/2002.02886
Publikováno v:
Scopus-Elsevier
Motivated by recent work on deep neural network (DNN)-based image compression methods showing potential improvements in image quality, savings in storage, and bandwidth reduction, we propose to perform image understanding tasks such as classification
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::5ed0b81e59fe330f2eea5ccd1ef951ca
http://arxiv.org/abs/1803.06131
http://arxiv.org/abs/1803.06131
Publikováno v:
Scopus-Elsevier
Greedy optimization methods such as Matching Pursuit (MP) and Frank-Wolfe (FW) algorithms regained popularity in recent years due to their simplicity, effectiveness and theoretical guarantees. MP and FW address optimization over the linear span and t
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::c641cf10f21069ec944effd3784a79c3
http://arxiv.org/abs/1705.11041
http://arxiv.org/abs/1705.11041
Publikováno v:
Scopus-Elsevier
We present a new approach to learn compressible representations in deep architectures with an end-to-end training strategy. Our method is based on a soft (continuous) relaxation of quantization and entropy, which we anneal to their discrete counterpa
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::600fc2a5606fe9ac0aeee0d0e44c9c7b
Kniha
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.