Explore les avantages prouvables d'une surparamétrie dans la compression des modèles, en mettant l'accent sur l'efficacité des réseaux neuronaux profonds et sur l'importance du recyclage pour améliorer les performances.
Couvre des sujets avancés dans le filigrane, y compris la résistance à la mise à l'échelle et aux rotations, le filigrane auto-référencé et les types d'attaques.
Explore les standards de compression d'images JPEG XS et JPEG XL de pointe, en mettant l'accent sur leur efficacité et leur polyvalence dans diverses applications.
Explore la compression des données grâce à la parcimonie des signaux, remettant en question la nécessité d'enregistrer de grandes quantités de données.
Explique l'échantillonnage des signaux, la nécessité d'un échantillonnage discret, les erreurs, la quantification et le choix de la période d'échantillonnage appropriée.
Explore la compression du modèle de deuxième ordre pour les réseaux neuronaux profonds massifs, montrant les techniques de compression et leur impact sur la précision du modèle.
