Convolution: Math, Graphics, and Discrete Signals
Entropy
Convolution Properties II
Convolution Properties I
Entropy and Solvation
Entropy Change in Reversible Processes
您也可能阅读
通过共同作者、期刊和引用图与本文相关的文章。
1Mathematics Department, RPTU Kaiserslautern-Landau, Kaiserslautern, 67663, Germany barisin@rptu.de.
本研究介绍了一种数据驱动的修剪方法,用于过度参数化的卷积神经网络 (CNN). 这种新的方法实现了显著的网络稀疏性,精度损失最小,为高效的深度学习模型提供了可扩展的解决方案.
科学领域:
背景情况:
研究的目的:
主要方法:
主要成果:
结论: