BriefGPT - AI 论文速递
·
DeepPolar: 利用深度学习发明非线性大核极化码
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
深度核机器（DKMs）是一种结合了深度神经网络和深高斯过程的新的核方法。本文介绍了卷积DKMs和跨域引导点逼近方案，并评估了多种模型变体。结果显示，DKMs在MNIST、CIFAR-10和CIFAR-100上的准确率分别为99%、92%和71%。
🎯
关键要点
- 深度核机器（DKMs）是一种结合深度神经网络和深高斯过程的新型核方法。
- 本文介绍了卷积DKMs和高效的跨域引导点逼近方案。
- 开发和评估了多种模型变体，包括9种不同的规范化方法、两种似然函数和两种顶层类型。
- 训练时间约为28个GPU小时，比完整的NNGP/NTK/Myrtle核函数快1到2个数量级。
- DKMs在MNIST、CIFAR-10和CIFAR-100上的准确率分别为99%、92%和71%。
➡️
