关键词bilevel optimization problem
搜索结果 - 6
- 高效有效的隐式动态图神经网络
Implicit Dynamic Graph Neural Network (IDGNN) 是一种针对动态图的新型隐式神经网络模型，通过提出一个等价的双层优化问题和一种高效的单循环训练算法来克服计算上的困难，以在分类和回归任务中展现出优于现 - 具有可扩展在线双层优化的自适应训练分布
在现代机器学习中，基于网络规模的大型神经网络学习成为核心。本研究考虑在一个与应用领域不匹配的混杂预训练数据集的情况下，通过调整预训练分布的算法来适应目标测试条件。通过在线双层优化问题的一种近期表述，提出了一种算法，并考虑了可扩展性，该算法优 - 简单数据集压缩
通过 RaT-BPTT 方法解决数据集精炼的核心问题，从而建立起一种新的数据集精炼技术，用于生成包含近乎最佳性能子集的精炼数据集。
- 使用双层优化重新加权数据的挑战
利用大训练集训练模型以在不同分布的较小测试集上表现良好的任务中，通过为每个训练数据点学习权重是一种吸引人的解决方案，但传统的双层优化算法可能导致次优解，这表明了数据重新加权的困难，并解释了为何这种方法很少在实践中使用。
- 利用图神经网络解决双层背包问题
本文提出了使用图神经网络解决双层背包问题的深度学习方法，该方法通过训练模型来预测领导者的解决方案，从而将层次优化问题转化为单层优化问题，我们的模型找到的可行解比精确算法快了约 500 倍，并且在训练大小不同的问题上表现良好。
- ICLR评估透过迁移学习所学习的神经网络的鲁棒性
本文从威胁分析视角出发，对基于转导学习的防御机制进行了系统评估，并提出了攻击模型空间的原则，通过这一原则设计的攻击框架 Greedy Model Space Attack 可以作为评估转导学习防御机制的新基准。同时，本文发现在考虑的攻击方式