基于 Clos 网络的机器学习
机器学习
2019-01-23 v1 计算机视觉与模式识别
摘要
我们提出了一种新的方法，通过应用 Clos 网络的概念在较小的网络中实现最大的表达能力，从而提高小型神经网络的准确率。我们探索了设计空间，表明在参数数量相同的情况下，更多的层是有益的。我们还提出了关于 relu 非线性如何影响可分离网络准确率的发现。我们展示了在 Cifar-10 数据集上的初步工作结果。
引用
@article{arxiv.1901.06433,
title = {Machine Learning with Clos Networks},
author = {Timothy Whithing and Thiam Khean Hah},
journal= {arXiv preprint arXiv:1901.06433},
year = {2019}
}