原始对偶残差网络
机器学习
2018-06-18 v1 机器学习
最优化与控制
摘要
在这项工作中，我们提出了一种受凸优化中原始对偶分裂方法启发的深度神经网络架构。我们从理论上证明了所推导的架构与残差网络之间存在紧密关系，并在数值实验中进一步研究了这一联系。此外，我们展示了我们的方法如何用于展开具有硬约束的特定问题的优化算法。以语音去量化为例，我们表明当我们的方法与经典分裂方法应用于同一任务时，前者表现更优。
引用
@article{arxiv.1806.05823,
title = {Primal-dual residual networks},
author = {Christoph Brauer and Dirk Lorenz},
journal= {arXiv preprint arXiv:1806.05823},
year = {2018}
}