Robert Underwood

Este estudio examina cómo cambian los modelos de aprendizaje profundo durante la búsqueda de arquitecturas neuronales.

Investigando técnicas de compresión con pérdida para manejar grandes conjuntos de datos en aprendizaje automático.

Un nuevo método mejora la eficiencia de guardar los estados del modelo durante el entrenamiento.

HoSZp permite hacer cálculos eficientes en datos científicos comprimidos, mejorando los flujos de trabajo de análisis.

Un nuevo compresor mejora el rendimiento de GMRES en la resolución de ecuaciones lineales.