我们描述了与全球结构搜索方法结合使用的局部替代模型。该模型遵循高斯近似电势（GAP）形式主义，并基于原子位置描述符的平滑重叠，而使用Mini Batch $ K $ -MEANS则减少了本地环境的稀疏性。该模型是在原子全局优化X框架中实现的，并用作盆地跳结构搜索中局部放松的部分替代。该方法对于多种原子系统（包括分子，纳米颗粒，表面支撑的簇和表面薄膜）来说是可靠的。展示了本地替代模型的结构搜索环境中的好处。这包括从较小的系统转移学习的能力，以及执行并发多层计量搜索的可能性。
translated by 谷歌翻译
我们提出了一种培训具有二进制权重的深神经网络（DNN）的新算法。特别是，我们首先将培训二元神经网络（Binns）作为彼得纤维优化实例的问题施放，随后构建这种携手节目的灵活放松。由此产生的训练方法与若干培训箱的几种现有方法共享其算法简单性，特别是在BinaryConnect中成功使用的直通梯度估计器和随后的方法。实际上，我们所提出的方法可以被解释为原始直通估计器的自适应变型，其有条件地（但不总是）起作用在误差传播的后向通过中的线性映射。实验结果表明，与现有方法相比，我们的新算法提供了有利的性能。
translated by 谷歌翻译