Robert Underwood

Cette étude examine comment les modèles d'apprentissage profond évoluent pendant la recherche d'architecture neuronale.

En train de fouiller les techniques de compression avec perte pour gérer de gros ensembles de données en apprentissage machine.

Une nouvelle méthode améliore l'efficacité de la sauvegarde des états du modèle pendant l'entraînement.

HoSZp permet des calculs efficaces sur des données scientifiques compressées, améliorant les flux de travail d'analyse.

Un nouveau compresseur améliore les performances de GMRES dans la résolution d'équations linéaires.