learning deep representations by mutual information estimation and maximization
时间: 2023-05-02 16:01:16 浏览: 105
《通过互信息估计和最大化学习深度表示》是一个研究深度学习的论文标题。它涉及到使用互信息来估计和最大化神经网络的表示能力,以提高其性能。这篇论文探讨了如何利用互信息来训练神经网络,并且证明了这种方法比传统的基于梯度的方法更加有效。这篇论文对深度学习的进一步发展具有重要的意义和参考价值。
相关问题
deep closest point: learning representations for point cloud registration
《b'deep closest point: learning representations for point cloud registration'》是一篇关于点云配准的学习表示方法的论文。它介绍了一种基于神经网络的新型点云配准方法,能够更有效地捕捉点云的结构信息,进而提高点云配准的准确性和鲁棒性。这篇论文提出的方法已被应用在很多领域,包括机器人感知、三维重建和自动驾驶等。
deepwalk: online learning of social representations
DeepWalk是一种在线学习社交表示的方法。它使用随机游走来生成节点序列,并将这些序列转换为低维向量表示。这种方法可以用于社交网络分析、推荐系统和其他应用中。它的优点是可以处理大规模数据集,并且可以在不断变化的网络中进行在线学习。