会员服务
通用动力公司（General Dynamics）是一家美国的国防企业集团。2008年时通用动力是世界第五大国防工业承包商。由于近年来不断的扩充和并购其他公司，通用动力现今的组成与面貌已与冷战时期时大不相同。现今通用动力包含三大业务集团：海洋、作战系统和资讯科技集团。
Pathwidth of 2-Layer $k$-Planar Graphs
Arxiv
0+阅读 · 2月17日
On the Stability of Nonlinear Dynamics in GD and SGD: Beyond Quadratic Potentials
Arxiv
0+阅读 · 2月16日
WeTok: Powerful Discrete Tokenization for High-Fidelity Visual Reconstruction
Arxiv
0+阅读 · 2月9日
Towards Understanding Generalization in DP-GD: A Case Study in Training Two-Layer CNNs
Arxiv
0+阅读 · 2月8日
Optimization, Generalization and Differential Privacy Bounds for Gradient Descent on Kolmogorov-Arnold Networks
Arxiv
0+阅读 · 2月4日
Do We Need Asynchronous SGD? On the Near-Optimality of Synchronous Methods
Arxiv
0+阅读 · 2月3日
Rod Flow: A Continuous-Time Model for Gradient Descent at the Edge of Stability
Arxiv
0+阅读 · 2月1日
Fairness-informed Pareto Optimization : An Efficient Bilevel Framework
Arxiv
0+阅读 · 1月22日
Fairness-informed Pareto Optimization : An Efficient Bilevel Framework
Arxiv
0+阅读 · 1月19日
From Sublinear to Linear: Fast Convergence in Deep Networks via Locally Polyak-Lojasiewicz Regions
Arxiv
0+阅读 · 1月11日
General Strong Bound on the Uncrossed Number which is Tight for the Edge Crossing Number
General Strong Bound on the Uncrossed Number which is Tight for the Edge Crossing Number
Arxiv
0+阅读 · 1月5日
The Power of Preconditioning in Overparameterized Low-Rank Matrix Sensing
Arxiv
0+阅读 · 2025年12月30日
Learning Provably Improves the Convergence of Gradient Descent
Arxiv
0+阅读 · 2025年12月23日
The Computational Advantage of Depth: Learning High-Dimensional Hierarchical Functions with Gradient Descent
Arxiv
0+阅读 · 2025年11月14日
Optimal Rates for Generalization of Gradient Descent for Deep ReLU Classification
Arxiv
0+阅读 · 2025年11月24日
参考链接
通用动力公司(GD)
微信扫码咨询专知VIP会员
Top