20211030_张仕俊_Deep Network Approximation Achieving Arbitrary Error with Fixed Siz_哔哩哔哩_bilibili

Name: 20211030_张仕俊_Deep Network Approximation Achieving Arbitrary Error with Fixed Siz
Uploaded: 2021-11-01T13:33:10.000Z
Duration: 54 min 47 s
Channel: 机器学习与科学应用

机器学习与科学应用

机器学习联合研讨计划旨在为国内优秀学生和青年教授，整合国内外优质资源，创造全球顶级学习和科研环境及平台，使其成为机器学习及相关领域最优秀青年人才。本次报告，张仕俊 ( 新加坡国立大学 ) 的报告题目是Deep Network Approximation: Achieving Arbitrary Error with Fixed Size。相关slides后期会放在机器学习与科学应用(c2sml.c, 视频播放量 660、弹幕量 1、点赞数 19、投硬币枚数 6、收藏人数 22、转发人数 6, 视频作者 机器学习与科学应用, 作者简介 分享机器学习与科学应用相关优质教学与科研资源，相关视频：20210509_王涵_强化动力学简介，20210925_Wen Sun_Policy Cover Guided Exploration in Model-free and Model-based，20210605_Stephan Wojtowytsch_Stochastic gradient descent for noise with ML-type，20210417_李千骁_Machine Learning and Dynamical Systems，20211030_杨海钊_Deep Network Approximation Error Characterization in term of Width，20210605_Yuhai Tu_How Stochastic-Gradient-Descent finds flat minima，20210814_Arnulf Jentzen_Convergence analysis for the GD optimization method，20211016_张耀宇_Embedding Principle of Loss Landscape of Deep Neural Networks，20210619_Zhong Li,Qianxiao Li_Modelling Temporal Data: from RNNs to CNNs，20210509_王磊_流模型计算物理视角