我们提出了一种新颖的压缩深度神经网络（DNN）的方法，该方法具有与最新方法相当的性能。我们在特征图和...

众所周知，深度神经网络（DNN）会对分布失调（OOD）输入产生非常不可靠的错误预测。在自动驾驶，空中...

最近，使用模糊图像训练卷积神经网络（CNN）已被识别为产生更强大的面部识别模型的潜在手段（Vogel...

卷积网络（ConvNets）的鲁棒性不足，无法应对常见的输入破坏和扰动，这在训练中是看不到的。我们通...

神经常微分方程（Neural ODEs）是具有连续深度的新的深度学习模型系列。但是，连续情况下梯度的...

在通过神经网络（NN）监督学习功能的情况下，我们主张并凭经验证明当数据集的分布集中在学习功能较陡的区...

向后锁定和更新锁定是众所周知的反向传播效率低下的源，它阻止了同时更新层。最近有一些工作建议使用本地错...

确定神经网络学习什么样的表示形式以及如何将其与泛化联系仍然是一个具有挑战性的问题。先前的工作利用了丰...

联合学习（FL）是一种从分散数据源训练机器学习模型的技术。我们在本地差异性隐私约束下研究FL，这通过...

深度神经网络（DNN）逐层计算表示形式，在管道的顶层生成最终表示形式，并使用最终表示形式进行分类或回...