Concept

Batch normalization

Publications associées (58)

À propos
Confidentialité
Mentions légales

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Connectez-vous pour utiliser Chat avec Graph Search

Batch normalization

Graph Chatbot

Chattez avec Graph Search

Fast Adversarial Training With Adaptive Step Size

ADAGRAD Avoids Saddle Points

ADAGRAD Avoids Saddle Points

Robust Binary Models by Pruning Randomly-initialized Networks

Approximating Relu Networks By Single-Spike Computation

OptTTA: Learnable Test-Time Augmentation for Source-Free Medical Image Segmentation Under Domain Shift

Distributed neural network control with dependability guarantees: a compositional port-Hamiltonian approach

Phase diagram of Stochastic Gradient Descent in high-dimensional two-layer neural networks

Adversarial training with informed data selection

On Smoothed Explanations: Quality and Robustness

Fast Adversarial Training With Adaptive Step Size

ADAGRAD Avoids Saddle Points

ADAGRAD Avoids Saddle Points

Robust Binary Models by Pruning Randomly-initialized Networks

OptTTA: Learnable Test-Time Augmentation for Source-Free Medical Image Segmentation Under Domain Shift

Approximating Relu Networks By Single-Spike Computation

Phase diagram of Stochastic Gradient Descent in high-dimensional two-layer neural networks

Distributed neural network control with dependability guarantees: a compositional port-Hamiltonian approach

Adversarial training with informed data selection

On Smoothed Explanations: Quality and Robustness