跳到正文
热点事件观察中

Soft Dominance Layer 论文提出逐坐标神经计算

1 篇报道1 个报道来源2 天前更新

先了解这件事

报道摘要

一篇 arXiv 论文提出 Soft Dominance Layer，用可学习参考向量对输入坐标做平滑不等式比较，并以 sigmoid 松弛保证可微、用锐度参数 α 控制向硬阈值决策的过渡。单次 MNIST 实验中，该层最高准确率为无退火 0.9061、有退火 0.9173，MLP 基线为 0.9827。作者称这只是初步研究，不主张替代仿射层，退火收益与配置排序均未获统计支持。

摘自 arXiv：cs.LG

最新进展10月3日 12:00
超越仿射变换：面向逐坐标神经计算的 Soft Dominance Layer

报道时间线

沿着报道，了解事件的不同侧面。

10月3日
  1. arXiv：cs.LG
    超越仿射变换：面向逐坐标神经计算的 Soft Dominance Layer

    一篇 arXiv 论文提出 Soft Dominance Layer，用可学习参考向量对输入坐标做平滑不等式比较，并以 sigmoid 松弛保证可微、用锐度参数 α 控制向硬阈值决策的过渡。单次 MNIST 实验中，该层最高准确率为无退火 0.9061、有退火 0.9173，MLP 基线为 0.9827。作者称这只是初步研究，不主张替代仿射层，退火收益与配置排序均未获统计支持。

本事件热度走势

可比范围当前
3
可比范围峰值
710月4日 01:00
近 24 小时变化
-51%

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。