{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2024,3,14]]，“日期时间”：“2024-03-14T00:23:46Z”，“时间戳”：1710375826904}，“发布者位置”：“Cham”，“引用计数”：50，“发布商”：“Springer International Publishing”，“isbn-type”：[{“值”：“9783030585358”，“类型”：”打印“}，{“值”：“9783030585365”，“type”：“electronic”}]，“license”：[{“start”：{“date-parts”：[[2020,1,1]]，“date-time”：“2020-01-01T00:00:00Z”，“timestamp”：1577836800000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.springer.com\/tdm”}0:00:00Z“，”时间戳“：1577836800000}，”内容版本“：”vor“，“delay-in-days”：0，“URL”：“https:\/\/www.springer.com\/tdm”}，{“start”：{“date-parts”：[[2020,1,1]]，“date-time”：“2020-01-01T00:00:00Z”，“timestamp”：1577836800000}，“content-version”：“tdm”，“delay-in-days“：0，”URL“https:\\/www.spring nature.com\/gp\/researters\/text-and-data-mining”}、{“开始”：{“日期部分”：[[2020,1,1]]，“日期时间”：“2020-01-01T00:00:00Z”，“timestamp”：1577836800000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/www.springernature.com//gp\/researters\/text-and-data-mining”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，”short-container-title“：[]，”published-print“：{”date-parts“：[2020]]}”，“DOI”：“10.1007\/978-3-030-58536-5_23“，“类型”：“book-chapter”，“created”：{“date-parts”：[[2020,11,2]]，“date-time”：“2020-11-02T23:02:42Z”，“timestamp”：1604358162000}，“page”：“384-401”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：6，“title”：[“探索DNN学习动力学的Layer-Wise条件分析”“]，”前缀“：“10.1007”，“作者”：[{“给定”：“雷”，“家庭”：“黄”，“序列”：“第一”，“从属关系”：[]}，{“给出”：“杰”，“家族”：“秦”，“顺序”：“附加”，“隶属关系”：[]}{“given”：“Ling”，“family”：“Shao”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“297”，“published-on-line”：{“date-parts”：[[2020,11,3]]}，“reference”：[{“key”：“23_CR1”，“unstructured”：“Ba，J.，Grosse，R.，Martens，J.：使用Kronecker因子近似的分布式二阶优化。In:ICLR（2017）”}，{“key”：：“Ba，J.，Kiros，R.，Hinton，G.E.：层规范化。CoRR abs \/1607.06450（2016）”}，{“key”：“23_CR3”，“unstructured”：“Bernacchia，A.，Lengyel，M.，Hennequin，G.：深线性网络中的精确自然梯度及其在非线性情况下的应用：“Bjorck，J.，Gomes，C.，Selman，B.：理解批处理规范化。In：NeurIPS（2018）”}，{“issue”：“2”，“key”：“23_CR5”，“doi-asserted-by”：“publisher”，“first page”：”223“，“doi”：“10.1137\/16M1080173”，”volume“：”60“，”author“：”L Bottou“，”“year”：“2018”，“unstructured”：“Bottou，L.，Curtis，F.E.，Nocedal，J.：大规模机器学习的优化方法。SIAM Rev.60（2），223\u2013311（2018）”，“journal-title”：“SIAM Rev.}，{“key”：“23_CR6”，“unstructured”：“Brock，A.，Donahue，J.，Simonyan，K.：高保真自然图像合成的大规模GAN训练。In:ICLR（2019）”}，}“key:”23_CR7“unstrustured”：“Carreira Perpinan，M.，Wang，W.：深度嵌套系统的分布式优化。在：AISTATS（2014）”｝中，｛“key”：“23_CR8”，“doi断言”：“crossref”，“nonstructured”：“Deng，J.，Dong，W.，Socher，R.，Li，L.J.，Li，K.，Fei Fei，L.：ImageNet：一个大规模的分层图像数据库。在：CVPR（2009）”中，“doi”：“10.1109\/CVPR.2009.5206848”｝，｛“key”：“23_CR9”，“非结构化”：“Desjardins，G.，Simonyan，K.，Pascanu，R.，kavukcuoglu，K.:自然神经网络。In:NeurIPS（2015）”}，{“key”：“23-CR10”，“unstructured”：“Frerix，T.，M\u00f6llenhoff，T.、M\u00 f6ller，M.，Cremers，D.：近距离反向传播。In:ICLR：“Ghorbani，B.，Krishnan，S.，Xiao，Y.：基于Hessian特征值密度的神经网络优化研究。In:ICML（2019）”}，{“key”：“23_CR12”，“unstructured”：“Glrot，X.，Bengio，Y.：理解深度前馈神经网络训练的难度。摘自：第十三届人工智能与统计国际会议论文集，AISTATS 2010（2010）”}，{“key”：“23_CR13”，“unstructured”：“Grosse，R.B.，Martens，J.：一个用于卷积层的Kronecker近似Fisher矩阵。In：ICML（2016）”}，{“key”：“23_CR14”，“doi-asserted-by”：“crossref”，“unstructured”：“He，K.，Zhang，X.，Ren，S.，Sun，J.，深入研究整流器：在ImageNet分类上超越人类水平的性能。In，ICCV（2015）”，“doi”：“10.1109\/ICCV.2015.123”}，{“key”：“23_CR15”，“doi-asserted-by”：“crossref”，“unstructured”：“He，K.，Zhang，X.，Ren，S.，Sun，J.：图像识别的深度剩余学习。In:CVPR（2016）”，“doi”：“10.109\/CVPR.2016.90”}，“内政部”：“10.1007\/978-3-319-46493-0_38”，“volume-title”：“Computer Vision\u2013 ECCV 2016”，“author”：“K He”，“year”：“2016”，《unstructured》：“He，K.，Zhang，X.，Ren，S.，Sun，J.：深度剩余网络中的身份映射。in:Leibe，B.，Matas，J.，Sebe，N.，Welling，M.（eds.）ECCV 2016。LNCS，第9908卷，第630\u2013645页。查姆施普林格（2016）。https:\/\/doi.org/10.1007\/978-3-319-46493-0_38“｝，｛“key”：“23_CR17”，“doi asserted by”：“publisher”，“首页”：“504”，“doi”：“10.1126\/science.1127647”，“卷”：“313”，“作者”：“GE Hinton”，“年份”：“2006”，“非结构化”：“Hinton，G.E.，Salakhuttinov，R.R.：用神经网络降低数据的维度。science 313504\u2013507（2006）”，“journal-title“：”Science“}，{”key“：”23_CR18“，”unstructured“：”Hoffer，E.，Banner，R.，Goland，I.，Soudry，D.：规范问题：深层网络中高效准确的规范化方案。in:NeurIPS（2018）“}”，{“key”：“23_CR19”，“doi-asserted-by”：“crossref”，“unstructure”：“Huang，G.，Liu，Z.，Weinberger，K.Q.：稠密连通卷积网络。In:CVPR（2017）“，”DOI“：”10.1109\/CVPR.2017.243“}，{“key”：“23_CR20”，“DOI-asserted-by”：“crossref”，“unstructured”：“Huang，L.，Liu，X.，Liu、Y.，Lang，B.，Tao，D.：加速深层神经网络训练中的中心权重归一化“：”Huang，L.，Yang，D.，Lang，B.，Deng，J.：去相关批次归一化。In:CVPR（2018）“，”DOI“：”10.1109\/CVPR.2018.00089“}，{“key”：“23_CR22”，“unstructured”：“Ioffe，S.，Szegedy，C.：批规范化：通过减少内部协变量偏移来加速深层网络训练。In:ICML（2015）”}，}，”key“：”23_CR23“，”DOI-asserted-by“：”crossref“，”unstructure“：”Karakida，R.、Akaho，S.、Amari，S.：深层神经网络中Fisher信息的通用统计：平均场方法。在：AISTATS（2019）”中，“DOI”：“10.1088\/1742-5468\/abc62e”}，｛“key”：“23_CR24”，“非结构化”：“Kingma，D.P.，Ba，J.:Adam:一种随机优化方法。CoRR abs\/14126.6980（2014）”}，｛“key”：“23_CR25”，“非结构化”：“Kohler，J.、Daneshmand，H.、Lucchi，A.、Zhou，M.、Neymeyr，K.、Hofmann，T.：对批次标准化的理论理解。arXiv预印本arXiv:1805.10694（2018）“}，{“key”：“23_CR26”，“doi-asserted-by”：“publisher”，“first page”：”436“，“doi”：“10.1038\/nature14539”，“volume”：：“521”，“author”：“Y LeCun”，“year”：“2015”，“unstructured”：“LeCun，Y.，Bengio，Y.、Hinton，G.E.：深度学习。Nature 521，436\u2013444（2015）”，“journal-title”：“Nature”}，{“key”：“23_CR27”，“series-title”：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“first page”：“9”，“doi”：“10.1007 \/3-540-49430-8_2”，“volume-title”：“神经网络：交易技巧”，“author”：“Y LeCun”，“year”：“1998”，“unstructured”：“LeCun，Y.，Bottou，L.，Orr，G.B.，M\u00fcller，K.-R.：高效BackProp。收录：Orr，G.B.，M\u00fcller，K.-R.（编辑）《神经网络：贸易的诡计》。LNCS，第1524卷，第9\u201350页。斯普林格，海德堡（1998）。https:\/\/doi.org\/10.1007\/3-540-49430-8_2“}，{“key”：“23_CR28”，“unstructured”：“LeCun，Y.，Kanter，I.，Solla，S.A.：错误曲面的二阶属性：学习时间和泛化。In:NeurIPS（1990）”}，}“key:”23_CR29“，”unstructure“：”Martens，J.：通过无Hessian优化进行深度学习。In:ICML，pp.735\u2013742（2010）“}23_CR30“，“非结构化”：“Martens，J.：自然梯度法的新观点。CoRR abs \/1412.1193（2014）“}，{“key”：“23_CR31”，“unstructured”：“Martens，J.，Grosse，R.：使用Kronecker因子近似曲率优化神经网络。In：ICML（2015）”}，}“key”：“23 _CR32”，“非结构化”：“Matens，J，Sutskever，I.，Swersky，K.：通过反向传播曲率估计黑森函数。In，ICMLseries-title“：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“first page”：“621”，“doi”：“10.1007\/978-3642-35289-8_33”，“volume-title”：“Neural Networks:Tricks of the Trade”，“author”：“G Montavon”，“year”：“2012”，“unstructured”：“Montavon，G.，M\u00fcller，K.-R.：Deep Boltzmann机器和定心技巧。收录：Montavon，G.，Orr，G.B.，M\u00fcller，K.-R.（编辑）《神经网络：贸易的诡计》。LNCS，第7700卷，第621\u2013637页。施普林格，海德堡（2012）。https:\/\/doi.org\/10.1007\/978-3642-35289-8_33“}，{“key”：“23_CR34”，“unstructured”：“Papyan，V.：规模上的深网黑森人的全谱：样本大小的动力学。CoRR abs \/1811.07062（2018）”}，“key“：”23_CR35“，”unstructure“：”Pascanu，R.，Bengio，Y.：重新审视深层网络的自然梯度。In:ICLR（2014）“}非结构化”：“Roux，N.L.，Manzagol，P.，Bengio，Y.：Topmoumoute在线自然梯度算法。摘自：NeurIPS，第849页\u2013856（2007）“}，{“key”：“23_CR37”，“unstructured”：“Sagun，L.，Evci，U.，G\u00fcney，V.U.，Dauphin，Y.N.，Bottou，L.：过参数化神经网络Hessian的实证分析。CoRR abs \/1706.04454（2017）”}，}，“key“：”23_CR38“unstrustured”Santurkar，S.、Tsipras，D.、Ilyas，A.、Madry，A.：批处理规范化如何帮助优化？In：NeurIPS（2018）“}，{“key”：“23_CR39”，“unstructured”：“Saxe，A.M.，McClelland，J.L.，Ganguli，S.：深层线性神经网络中非线性学习动力学的精确解。In：ICLR（2014）”}，“{”key“：”23_CR40“，”unstructure“：”Schraudolph，N.N.N.：通过以因子为中心的分解加速梯度下降。技术报告（1998）key“：”23_CR41“，”unstructured“：”Sun，K.，Nielsen，F.：学习大型模块化模型的相对Fisher信息和自然梯度。在：ICML（2017）“}，{“key”：“23_CR42”，“unstructured”：“Ulyanov，D.，Vedaldi，A.，Lempitsky，V.S.：实例规范化：快速风格化的缺失成分。CoRR abs \/1607.08022（2016）”}，“key“：”23_CR43“，”unstructure“：”Wei，M.，Stokes，J.，Schwab非结构化“：”Wiesler，S.，Ney，H.：对数线性训练的收敛性分析。In:NeurIPS（2011）“}，{“key”：“23_CR45”，“doi-asserted-by”：“crossref”，“unstructured”：“Wu，S.，Li，G.，Deng，L.，Liu，L.、Xie，Y.，Shi，L.：深层神经网络有效训练的L1-形式批量规范化。CoRR（2018）”，“doi”：“10.1109\/TNNLS.2018.2876179”}publisher”，“首页”：“3”，“DOI”：“10.1007\/978-3-030-01261-8_1”，“卷标题”：“计算机视觉\u2013 ECCV 2018”，“作者”：“Y Wu”，“年份”：“2018”，“非结构化”：“Wu，Y.，He，K.：组规范化。收件人：Ferrari，V.，Hebert，M.，Sminchisescu，C.，Weiss，Y.（编辑）ECCV 2018。LNCS，第11217卷，第3\u201319页。查姆施普林格（2018）。https:\/\/doi.org\/10.1007\/978-3-030-01261-8_1“}，{“key”：“23_CR47”，“unstructured”：“Yang，G.，Pennington，J.，Rao，V.，Sohl-Dickstein，J.、Schoenholz，S.S.：批归一化的平均场理论。In:ICLR（2019）”}，}“key:”23_CR48“，“doi-asserted-by”：“crossref”，“非结构化”：“Zagoruyko，S.，Komodakis，N.：广泛剩余网络。In:BMVC（2016）“，”DOI“：”10.5244\/C.30.87“}，{”key“：”23_CR49“，”unstructured“：”Zeiler，M.D.：ADADELTA:一种自适应学习速率方法。CoRR abs\/1212.5701（2012）“}计算机科学课堂讲稿“]，”original-title“：[]，”link“：[{”URL“：”https:\/\/link.springer.com/content\/pdf\/10.1007\/978-3-030-58536-5_23“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2024,3,13]]，”date-time“：“2024-03-13T14:44:45Z”，“timestamp”：171 0341085000}，“score“：1，”resource“：{”primary”：{“URL”：“https:\/\/link.springer.com/10.1007\/978-3-030-58536-5_23”}}，”subtitle“：[]，”shorttitle“：[]，”issued“:{”date-parts“：[[2020]]}，“ISBN”：[“9783030585358”，“97830.30585365”]，“references-count”：50，“URL”:“http://\/dx.doi.org\/10.1007\/9783-0 30-58536-5_23“，“关系”：{}，“ISSN”：[“0302-9743”，“1611-3349”]，“ISSN-type”：[{“value“：”0302-9743“，”type“：”print“｝，｛”value“：”1611-3349“，”type“：”electronic“｝]，”subject“：[]，”published“：｛”日期部分“：[[2020]]｝，”assertion“：[｛”value“：”2020年11月3日“，”order“：1，”name“：”first_online“，”label“：”first online“，”group“：｛”name“：”ChapterHistory“，”label“：”ChapterHistory“｝｝，”value“：”ECCV“，”order“：1，“name”：“conference_accomposition”，“label”：“会议缩写词“，”group“：{”name“：”ConferenceInfo“，”label“：”会议信息“}}，{”value“：”European Conference on Computer Vision“，”order“：2，“name”：“Conference_name”，“label”：“ConferenceName”，“group”：{“name”:“ConferenceInfo”，“label”：”Concement Information“}}}”，{“value”：“Glasgow”，“order”：3，”name“Conference_city”，“table”：“会议城市”，“group“：{”name“：”ConferenceInfo“，”label“：”会议信息“}}，{”value“：”United Kingdom“，”order“：4，“name”：“Conference_country”，“label”：“ConferenceCountry”，”group“:{”name:“ConferenceInfo”，“标签”：“会议信息”}}、{“value”：“2020”，“order”：5，“name“：“：”会议信息“}}，{“value”：“2020年8月23日”，“order”：7，“name”：“Conference_start_date”，“label”：“Conference start date”，“group”：{“name”:“ConferenceInfo”，”label“：“会议信息”}}会议信息“}}，{”value“：”16“，”order“：9，”name“：”Conference_number“，”label“：”ConferenceNumber“，”group“：https:\/\/eccv2020.eu\/“，”order“：11，”name“：”conference_url“，”label“：”conference url“，”group“：{”name“:”ConferenceInfo“，”标签“：”会议信息“}}，{”value“：”Double-blind“，”订单“：1，”name”：“type”，”label:“type”，”groups“：”{“name”：”ConfEventPeerReviewInformation“，”table“：”同行评审信息（由会议组织者提供）“}}}”，{value“：”OpenReview“，”order“：2，”name“：”conference_management_system“，”label“：”会议管理系统“，”group“：发送供审阅的提交数量”，“group”：｛“name”：“ConfEventPeerReviewInformation”，“label”：“同行审阅信息（由会议组织者提供）”｝｝，｛“value”：“1360”，“order”：4，“name”：“Number_of_full_papers_accepted”，“label”：“接受的全文数量”，“group”：｛“name”：“ConfEventPeerReviewInformation”，“label”：“同行评议信息（由会议组织者提供）“}}，{”value“：”0“，”order“：5，”name“：”number_of_short_papers_accepted“，”label“：”接受的短文数“，”group“：27%-该值由等式“接受的完整论文数”/“提交供审查的论文数*100”计算，然后四舍五入为整数。“，”order“：6，”name“：”acceptance_rate_of_full_papers“，”label“：”全文接受率“，”group“：ConfEventPeerReviewInformation“，”label“：”同行评议信息（由会议组织者提供）“}}，{“value”：“7”，“order”：8，“name”：“average_number_of_papers_per_reviewer”，“label”：“每个审阅者的平均论文数”，“group”：}，{“value”：“Yes”，“order”：9，“name”：“external_reviewers_involved”，“label”：“external reviewers involved”：“会议实际上是由于新冠肺炎疫情而召开的。在ECCV研讨会上，共有467份提交文件，其中发表了249篇全文、18篇短文和21篇其他稿件。”，“order”：10，“name”：“additional_info_on_review_process”，“label”：“additional info on review process”，“group”：{“name”:“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}]}}