Neural Networks are Convex Regularizers: Exact Polynomial-time Convex Optimization Formulations for Two-Layer Networks
Neural Networks are Convex Regularizers: Exact Polynomial-time Convex Optimization Formulations for Two-Layer Networks
复制标题
神经网络是凸正则化器：两层网络的精确多项式时间凸优化公式
DOI：
--
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Ergen, Tolga
中科院分区：
文献类型：
--
作者：
Pilanci, Mert;Ergen, Tolga
登录
查看更多内容
关于收敛理论
DOI：
--
发表时间：
2006
期刊：
影响因子：
--
作者：
Z. Xian
通讯作者：
Z. Xian
l1 无限维特征空间中的正则化
DOI：
--
发表时间：
2007
期刊：
Annual Conference Computational Learning Theory
影响因子：
--
作者：
Saharon Rosset;G. Swirszcz;N. Srebro;Ji Zhu
通讯作者：
Ji Zhu
超参数化神经网络的凸几何和对偶性
影响因子：
6
作者：
Ergen, T.;Pilanci, M.
通讯作者：
Pilanci, M.
DOI：
--
发表时间：
2019-02
期刊：
--
影响因子：
--
作者：
Pedro H. P. Savarese;Itay Evron;Daniel Soudry;N. Srebro
通讯作者：
Pedro H. P. Savarese;Itay Evron;Daniel Soudry;N. Srebro
在多项式时间内训练卷积 ReLU 神经网络：精确的凸优化公式
DOI：
--
发表时间：
2020
期刊：
arXiv.org
影响因子：
--
作者：
Tolga Ergen;Mert Pilanci
通讯作者：
Mert Pilanci