Publication

Phase Retrieval: From Computational Imaging to Machine Learning: A tutorial

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

Phase Retrieval: From Computational Imaging to Machine Learning: A tutorial

Graph Chatbot

Chattez avec Graph Search

Loss landscape and symmetries in Neural Networks

Recursive Input And State Estimation: A General Framework For Learning From Time Series With Missing Data

Local plasticity rules can learn deep representations using self-supervised contrastive predictions

A 16-Channel Wireless Neural Recording System-on-Chip with CHT Feature Extraction Processor in 65nm CMOS

21 000 birds in 4.5 h: efficient large‐scale seabird detection with machine learning

Analytical and Machine Learning Methods for the Complete Safe Coordination of Astrobot Swarms

Stochasticity helps to navigate rough landscapes: comparing gradient-descent-based algorithms in the phase retrieval problem

Supplementary Material - AL2: Progressive Activation Loss for Learning General Representations in Classification Neural Networks

AL2: Progressive Activation Loss for Learning General Representations in Classification Neural Networks

Learning stereo reconstruction with deep neural networks