论文的摘要主要写什么_计算机视觉与模式识别论文摘要：非光滑凸函数优化算法、CNN技巧

论文I:

论文标题:网络中非光滑分布优化的最优算法，非光滑凸函数的分布优化算法

本研究考虑了在使用计算单元网络的条件下非光滑凸函数的分布优化我们设定了两个规则假设

1)李普希茨全局目标函数的连续性2)局部单函数的李普希茨连续性

在局部假设下，我们得到了最优分散算法(distributed algorithm)-多步原对偶(MSPD)及其相应的最优收敛速度这个结果的一个值得注意的方面是，对于非光滑函数，虽然误差的主要项在0(1/sqrt(t))中，但通信网络的结构只影响0(1/t)中的二阶项，其中t代表时间也就是说，即使在非强凸目标函数中，由通信资源限制引起的误差也会迅速减小。

在全局正则性假设下，提出了一种基于目标函数局部平滑的分布式随机平滑算法虽然简单，但很有效。我们证明了分布式随机平滑算法在d1/4倍因子的范围内，其中d是底层维数

论文团队由凯文·斯卡曼(华为诺亚方舟实验室)、弗朗西斯·巴赫(PSL研究大学)、塞巴斯蒂安·布贝克(微软研究院)、殷达立(微软研究院)、劳伦特·马苏利(法国巴黎高等师范学校)组成

论文2:

论文标题:用卷积神经网络进行图像分类的试验包。一些使用卷积神经网络

最近，图像分类研究的大部分进展可归因于训练过程中的优化结果，例如数据增强和调整优化方法然而，在这些论文中，大多数方法要么只是简单地用于实现小的改进，要么只能在源代码中看到。本文通过烧蚀研究，检验一系列优化和实验评价方法对最终模型精度的影响。这些方法通过控制变量实验来评估。我们将展示通过组合不同的微调方法，我们可以显著地改进各种卷积神经网络模型。例如，我们将数据集ImageNet上训练的剩余网络ResNet-50的前1名验证准确度从75.3%提高到79.29%

本文还证明了图像分类精度的提高可以提高目标检测和语义分割等其他应用领域的迁移学习性能。(结束)

亲爱的数据

由谭晶制作

美国编辑:陈鸿宇

< BR >