Onderzoeksoutput per jaar
Onderzoeksoutput per jaar
Persoonlijk profiel
Quote
Shiwei Liu is a Ph.D. candidate in the Mathematics and Computer Science department at the Eindhoven University of Technology (TU/e). He is an expert in deep learning and sparse neural networks. Recently, his research interest is designing empirical studies to understand the behaviors of neural networks. He believes that sparse artificial neural networks have the potential to fully replace conventional dense neural networks and it's just a matter of time.
Vingerafdruk
Verdiep u in de onderzoeksgebieden waarop Shiwei Liu actief is. Deze onderwerplabels komen uit het werk van deze persoon. Samen vormen ze een unieke vingerafdruk.
- 1 Soortgelijke profielen
Netwerk
Recente externe samenwerking op landen-/regioniveau. Duik in de details door op de stippen te klikken of
Onderzoeksoutput
-
Deep Ensembling with No Overhead for either Training or Testing: The All-Round Blessings of Dynamic Sparsity
Liu, S., Chen, T., Atashgahi, Z., Chen, X., Sokar, G., Mocanu, E., Pechenizkiy, M., Wang, Z. & Mocanu, D. C., 20 jan. 2022, (Geaccepteerd/In druk) International Conference on Learning Representations, ICLR 2022.Onderzoeksoutput: Hoofdstuk in Boek/Rapport/Congresprocedure › Conferentiebijdrage › Academic › peer review
Bestand3 Downloads (Pure) -
Don't Be So Dense: Sparse-to-Sparse GAN Training Without Sacrificing Performance
Liu, S., Tian, Y., Chen, T. & Shen, L., 1 mrt. 2022, (Ingediend) In: International Journal of Computer Vision. XX, XOnderzoeksoutput: Bijdrage aan tijdschrift › Tijdschriftartikel › Academic › peer review
-
Sparse Neural Network Training with In-Time Over-Parameterization
Liu, S., 6 apr. 2022, Eindhoven: Eindhoven University of Technology. 154 blz.Onderzoeksoutput: Scriptie › Dissertatie 1 (Onderzoek TU/e / Promotie TU/e)
Open AccessBestand102 Downloads (Pure) -
The Unreasonable Effectiveness of Random Pruning: Return of the Most Naive Baseline for Sparse Training
Liu, S., Chen, T., Chen, X., Shen, L., Mocanu, D. C., Wang, Z. & Pechenizkiy, M., 20 jan. 2022, (Geaccepteerd/In druk) International Conference on Learning Representations, ICLR 2022.Onderzoeksoutput: Hoofdstuk in Boek/Rapport/Congresprocedure › Conferentiebijdrage › Academic › peer review
Bestand3 Downloads (Pure) -
Do We Actually Need Dense Over-Parameterization? In-Time Over-Parameterization in Sparse Training
Liu, S., Yin, L., Mocanu, D. C. & Pechenizkiy, M., 18 jul. 2021, Proceedings of the 38th International Conference on Machine Learning (ICML2021). Meila, M. & Zhang, T. (redactie). blz. 6989-7000 (Proceedings of Machine Learning Research; vol. 139).Onderzoeksoutput: Hoofdstuk in Boek/Rapport/Congresprocedure › Conferentiebijdrage › Academic › peer review
Open Access
Prijzen
-
PhD Cum Laude/Best Thesis award
Liu, Shiwei (Ontvanger), 6 apr. 2022
Prijs: TU/e › Anders › Wetenschappelijk
Activiteiten
- 1 Congres
-
2020 European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML PKDD 2020)
Shiwei Liu (Organisator)
13 sep. 2020 → 18 sep. 2020Activiteit: Types deelname aan of organisatie van een evenement › Congres › Wetenschappelijk