cifar10 | BriefGPT - AI 论文速递

关键词cifar10

搜索结果 - 11

利用基础模型改进联邦学习中的轻量级客户端
通过使用基础模型蒸馏进行联邦训练，提高轻量级客户模型在异构数据环境下的性能，并降低推理成本。
PDF8 months ago
PyTorch 超参数调整 —— 针对 spotPython 的教程
本文介绍了如何将 spotPython 超参数调整器集成到 PyTorch 训练工作流程中，并使用 CIFAR10 图像分类器的结果作为示例，并简要比较了 Ray Tune 和 spotPython 的优缺点。
PDFa year ago
AAAIRobustBench/AutoAttack 对于对抗性鲁棒性是否是一个合适的评测标准？
本篇研究讨论了 RobustBench 在实际应用中作为鲁棒性关键指标的适用性，通过对该平台中数据更改和分辨率等方面的分析实验，提出了两个观点：一是数据更改强度过大，无法反映真实情况；二是基于梯度的攻击在低分辨率上表现较好，但对于高分辨率数
PDF3 years ago
AAAIEvolving CNN 拓扑结构的两个新性能改进
本文介绍了两种新方法，通过直接在训练时间上实现正则化和使用部分训练来尽早评估个体架构，有效地减少了复杂性和训练时间，从而生产出有效地 CNN 拓扑结构，提高图像识别准确率，开销减少达 20%。这两种方法均经 CIFAR10 基准数据集验证以
PDF3 years ago
少样本神经架构搜索
该研究提出了 few-shot NAS，利用多个超级网络（称为子超级网络）覆盖搜索空间的不同区域，以缓解操作之间的不良共适应，并证明其在多项任务中能够显著提高各种一次性方法的准确性，包括在 NasBench-201 和 NasBench1-
PDF4 years ago
关于资源受限硬件平台的神经架构搜索
提出了一种新的框架，用于在限制条件下寻找最优的量化神经架构并实现在给定的硬件规格上，该框架使用 FPGAs 来实现和测试设计并在 CIFAR10 任务中提高了 18％至 68％的准确性。
PDF5 years ago
聚焦最大的失误者加快深度学习
介绍了 Selective-Backprop 技术，该技术可以通过在每次迭代中优先处理损失较大的示例来加速深度神经网络训练，通过在多个现代图像模型上的评估表明，相比标准 SGD 和最先进的重要性采样方法，Selective-Backprop
PDF5 years ago
应用于模型选择的决策边界的拓扑数据分析
本文提出了标记的 Cech 复形、基本的带标记的 Vietoris-Rips 复形和局部缩放的带标记的 Vietoris-Rips 复形，来执行分类任务中决策边界的持久同调推断，旨在量化深度神经网络的复杂性以实现数据集与预训练模型的匹配，我
PDF6 years ago
AAAI对抗性扰动下的降噪字典学习
提出了抗击对抗性扰动的较为简单而有效的技术 —— 去噪字典学习 (Denoising Dictionary Learning, DDL)。在 MNIST 和 CIFAR10 数据集上，利用不同的深度神经网络结构对其进行评估，并对经过 DDl
PDF6 years ago
UPSET 和 ANGRI：打破高性能图像分类器
本研究提出了两种新型攻击方法，分别生成针对目标类别的通用扰动和特定图像的扰动，以实现高性能图像分类器的诈骗。在 MNIST 和 CIFAR10 数据集上进行广泛实验以提供对所提出算法的见解并显示其有效性。
PDF7 years ago
CVPR利用深度神经网络构建常规决策边界
本研究提出了一种基于卷积神经网络的通用结构，研究了不同超参数下网络表现，探究了深度网络规则性和本地特征的分离和收缩特性，并展示了在 CIFAR10 和 CIFAR100 上高精度的实现。
PDF7 years ago