cifar | BriefGPT - AI 论文速递

关键词cifar

搜索结果 - 16

卷积深度核机器
深度核机器（DKMs）是一种最近引入的核方法，具有包括深度神经网络和深高斯过程在内的其他深度模型的灵活性。本文介绍了卷积 DKMs 以及一种高效的跨域引导点逼近方案，并且开发和实验评估了多种模型变体，包括针对卷积 DKMs 设计的 9 种不
PDF10 months ago
AAAI学习噪声标签的模型和数据一致性
本文通过模型和数据维度尝试处理嘈杂标签学习中的误差积累问题。引入均值点集成方法来利用更鲁棒的损失函数和未被选择样本中的更多信息从模型角度减少误差积累；从数据角度，选择翻转图像的损失值来代替原始图像的损失值选择小损失样本，以减少误差积累。在
PDF2 years ago
样本学习一致性可预测性研究
本文研究如何通过训练模型来预测 CIFAR-100 和 CIFAR-10 的难度得分，发现 C-Score 难以泛化到其他数据集，因此提出基于样本关系的假设，希望在进一步的工作中探索。
PDF2 years ago
CVPR发现新类别的间隔损失
本文提出了一种新的学习模式，称为 Novel Class Discovery (NCD)，它主要应用于无标签数据的语义分组，通过利用来自不同集合的标记实例，利用单阶段和双阶段方法来对现有 NCD 方法进行表征。我们设计了一种称为 Spaci
PDF2 years ago
ICML一切只需一刀：单次切割增强数据
本文介绍了一种数据增强方法 —— You Only Cut Once（YOCO），它将图像分为两个部分分别进行数据增强，可以提高样本数据的多样性和鼓励神经网络从局部信息中识别对象；该方法易于使用、不需要调参，并可以免费提升几乎所有增强项的性
PDF2 years ago
循环可微架构搜索
提出了一种新的循环不可微分神经网络结构搜索方法，命名为 CDARTS，通过引入反复振荡的联合优化目标和自省蒸馏循环反馈机制，在分类监督下，有效地实现了搜索和评估网络的联合优化，取得了 97.52％在 CIFAR10 上的 top-1 准确率
PDF4 years ago
局部搜索是神经架构搜索的一个极强的基准
本文介绍一种新增的局部搜索 (Local Search) 算法，用于在多目标 (网络精度与复杂度) 条件下，对神经网络进行结构搜索。同时，本文提供两种基准数据集 MacrosNAS-C10 和 MacrosNAS-C100，并将所提出的算法
PDF4 years ago
ICLRNBDT：神经支持决策树
该论文介绍了一种新的机器学习模型 Neural-Backed Decision Trees，该模型结合了神经网络和决策树的优点，具有高准确性和可解释性，并在 CIFAR、ImageNet 等数据集上表现优异，同时提高了人类信任度和帮助了数据
PDF4 years ago
结合 MixMatch 和主动学习以在更少的标签下实现更高准确度
使用基于主动学习技术的方法改进了半监督学习 MixMatch 算法，并在 CIFAR-10、CIFAR-100 和 SVHN 数据集上进行了全面的实证评估，得到了显著的性能提升。此外，还对标记和非标记数据成本之间的权衡进行了实证分析，发现虽
PDF5 years ago
ICCV高效的神经结构进化算法（EENA）
本文介绍了一种称为 EENA 的有效神经体系结构搜索方法，该方法通过精心设计的变异和交叉操作进行演化，可以在较少的计算资源下，显著降低搜索和训练时间，并设计出在 CIFAR-10 数据集上效果显著的神经体系结构。
PDF5 years ago
我们是否在测试数据上进行训练？净化近似重复的 CIFAR 数据集
通过构建新的测试集 ciFAIR 数据集，消除训练集和测试集中的重复图像，重新评估了流行的 CNN 架构的分类性能，发现相对于原始无重复数据的测试集，分类准确率下降了 9％到 14％。
PDF5 years ago
ICLR无标签数据有多种一致的解释：为什么您应该平均
研究了半监督学习中的一种基于一致性正则化的方法，提出使用随机权重平均和快速随机权重平均来加速模型的训练，达到了最先进的结果
PDF6 years ago
Tree-CNN: 一种层次化的深度卷积神经网络用于增量学习
本研究提出一种自适应分层网络结构，由 DCNN 组成，可以随着新数据的出现而不断增长和学习。该模型通过组织渐增的可用数据成特征驱动的超类，实现了分类能力的自我增长，并在 CIFAR-10 和 CIFAR-100 数据集上实现了较优的准确率，
PDF6 years ago
Shake-Shake 正则化
本文介绍了一种替换标准分支求和的随机仿射组合方法，用于改善深度学习中过拟合问题，结合掷骰子正则化可提高 CIFAR-10 和 CIFAR-100 测试准确度，对于跳跃连接或批量归一化的架构也有鼓舞人心的结果，具有广泛的应用前景。
PDF7 years ago
可控制的卷积神经网络
本文介绍了可旋转卷积神经网络，这是一种高效灵活的等变卷积网络类，利用数学理论中给出的可旋转表示类型系统，我们实现了 CIFAR 图像分类基准上最先进的结果，并展示了如何构建有效利用参数的 CNN。
PDF8 years ago
ICLRFractalNet：不含残差连接的超深度神经网络
本文提出一种基于自相似性的神经网络宏架构设计策略，生成结构准确的被截断的分形的深度网络，并与标准残差网络在 CIFAR 和 ImageNet 分类任务上表现相当好，实验证明残差表示可能不是极深度卷积神经网络成功的基础，而是在训练中能够从有效
PDF8 years ago