Publication

How deep convolutional neural networks lose spatial information with training

Publications associées (57)

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

How deep convolutional neural networks lose spatial information with training

Graph Chatbot

Chattez avec Graph Search

Analog Neural Networks with Deep-submicron Nonlinear Synapses

Biomedical Image Reconstruction: From the Foundations to Deep Neural Networks

Deep Spline Networks With Control Of Lipschitz Regularity

Biologically plausible deep learning – but how far can we go with shallow networks?

Full-Gradient Representation for Neural Network Visualization

Machine learning the density functional theory potential energy surface for the inorganic halide perovskite CsPbBr3

Novelty Detection in Convolutional Neural Networks Using Density Forests

Learning to Assign Orientations to Feature Points

Planck 2013 results. XXXII. The updated Planck catalogue of Sunyaev-Zeldovich sources

Transient brain activity disentangles fMRI resting-state dynamics in terms of spatially and temporally overlapping networks