摘要

3D重建的调研文章，正在进行中～

3D重建领域调研~

前言

残差连接，让深层神经网络能够正常训练而不至于陷入梯度消失困境的有力武器，Kaiming He的又一神作之一。

理解残差连接的由来和贡献，以及后续还有什么优化方向

前言

数值方法和DNN的交叉学科所包含的知识，可以逐步补充完整的～

作者
Sebastian Kinnewig, Leon Kolditz, Julian Roth, Thomas Wick

参考链接
https://www.ifam.uni-hannover.de/en/wick/
https://www.ifam.uni-hannover.de/en/

文章百度云链接
https://pan.baidu.com/s/1YU0E964JNArGj80lc1BPEg
提取码: r9hx

多多补充～

前言

title: Training Neural Networks by Lifted Proximal Operator Machines

论文百度云盘链接:https://pan.baidu.com/s/14x2KrlBVhfdWWy8oQBjROw?pwd=axgn

提升近端算子机对前馈神经网络的训练问题～

前言

写markdown的小技巧和实用符号随记

多写写会更熟悉～

前言

又言论文十问，由沈向洋博士提出

加油读文章

前言

从优化的角度理解Transformer模型

论文百度云链接: https://pan.baidu.com/s/1fQiIXRyUw4LBhXIfqCVUKA
提取码: 3w62

加油读文章

前言

link

transformerd的数学框架？

前言

paper link

在算子学习的角度，将Transformer用在PDE的求解上

前言

design and analysis of algorithms can be broadly achieved with the help of seven concepts

《Numerical Methods for Algorithms Systems and Neural Networks》
reference link
doi

从七个要素来看算法的设计和分析……