computational efficiency | BriefGPT

关键词computational efficiency

搜索结果 - 438

快速 CT 解剖定位算法
通过定位部分层面并使用线性模型将层面索引映射到其估计的轴向解剖位置，我们能够自动确定 CT 扫描中每个层面的位置并在视觉检查和自动分析中实现快速区域检索，同时具有高计算效率、准确性和鲁棒性。
PDF3 days ago
词元融合：填补词元剪枝与词元合并之间的差距
通过融合 Token Fusion 方法来提高 Vision Transformers 的计算效率和模型准确性，使其适用于资源受限的边缘设备，并在分类和图像生成任务中建立新的基准。
PDF6 days ago
SAIBench：通过基准测试对科学 AI 进行结构解释
人工智能用于科学 (AI4S) 是一个新兴的研究领域，利用机器学习的进展来解决复杂的科学计算问题，旨在提高计算效率和准确性。本文介绍了一种新颖的基准测试方法，称为结构解释，它满足了两个关键要求：在问题空间中确定可信的操作范围，并将错误追溯到
PDF9 days ago
潜在扩散先验增强的深度展开在光谱影像重建中的应用
使用生成模型、潜在扩散模型和基于回归的深展开方法，提出了一种轻量级模型来生成导向重建过程，以改善快照压缩光谱成像重建的质量和计算效率。
PDF14 days ago
交叉验证与突变验证在模型选择中的经验比较
通过比较变异验证方法和 k 折交叉验证方法，我们发现两种方法在选择模型的泛化性能上表现相当，但变异验证方法在选择简化模型和计算成本方面具有优势。然而，在某些情况下，变异验证方法选择过于简化的模型，导致欠拟合，并在超参数选择方面表现不稳定。
PDF15 days ago
使用 GPU Tensor Cores 的可扩展张量学习 CP 分解
我们提出了 Exascale-Tensor，这是一种压缩基于张量分解的框架，用于支持超大规模张量分解，并通过实验证明了其可扩展性和有效性。
PDF16 days ago
REDS: 动态资源约束下的资源高效深度子网络
使用 Resource-Efficient Deep Subnetworks (REDS) 实现对变量资源的模型自适应，通过构造性地利用神经元的置换不变性来支持计算效率，以满足动态资源限制。在各项基准结构上评估 REDS，展示其在子模型测试
PDF16 days ago
多分辨率不平地区域提取
本文研究从无序点云测量中提取不平坦地形中的平面区域的问题，并提出了一种多分辨率平面区域提取策略，解决了现有方法在边界精度和计算效率方面存在的问题。通过合成和实际世界实验验证了该方法的效率和鲁棒性，证明了该方法在各种不平坦地形中能够有效泛化并
PDF17 days ago
基于模型无关方法的隐式神经表示任意尺度图像超分辨率
单张图像超分辨率（SISR）使用深度卷积网络取得了显著的进展，但传统网络只能将图像放大到固定比例，因此利用隐式神经函数生成任意比例的图像；本文介绍了一种新颖高效的框架 —— 混合专家隐式超分辨率（MoEISR），它在显著提高计算效率的同时，
PDF18 days ago
高维非线性抛物型偏微分方程的深度遗传算法（Deep-GA）方法
提出了一种称为深度遗传算法（deep-GA）的新方法，通过将遗传算法（GA）嵌入求解器以优化初始猜测的选择，加速深度 BSDE 方法的性能，达到在更广泛的区间内对非线性 PDE 进行更快的收敛，并在黑 - 斯科尔斯（BS）方程和哈密尔顿 -
PDF18 days ago
精确快速的 PINNs 实现的 Fischer-Tropsch 反应微观动力学
使用物理信息神经网络 (PINNs) 模拟微观动力学对费托合成进行了研究，提出了一种计算效率高、准确性更强的方法，能够在实际过程条件下快速解决现有的微观动力学模型问题，对多尺度和多物理反应器模拟有很好的应用潜力，并能够实现实时过程控制和优化
PDF21 days ago
OrchestraLLM: 较高效的对话状态跟踪语言模型编排
通过创建示例池来代表每种语言模型较可靠回答的上下文类型，并利用经过微调的句子嵌入使上下文相似性接近对话状态相似性，本研究提出了一种新颖的 SLM/LLM 路由框架，旨在提高计算效率并增强任务性能，在对话状态跟踪任务中，相较于仅依赖 LLMs
PDF22 days ago
H-Packer：全息旋转等变卷积神经网络用于蛋白质侧链装填
准确建模蛋白质的三维结构对功能性蛋白质的设计至关重要。我们提出了一种名为 H-Packer 的新型两阶段算法，基于两个轻量级旋转等变神经网络，在蛋白质侧链装填方面表现出了计算效率高、与基于物理的算法相比有较好的性能，并且与其他深度学习解决方
PDF23 days ago
通过参数化谱聚类实现高效和增量的谱聚类
提出了一种名为参数化谱聚类（PSC）的新方法，该方法扩展了谱聚类的能力，解决了大数据和实时场景中的挑战，并实现了与标准谱聚类相当的计算效率。PSC 具有增量聚类和实时数据分析应用的重要潜力，为动态和演化数据集中的及时和准确的聚类提供支持。
PDF24 days ago
基于时间相关哈密尔顿动力学的哈密尔顿 - 雅各比偏微分方程在持续科学机器学习中的应用
我们提出了一种新的理论方法，通过与泛化 Hopf 公式的建立来提高科学机器学习 (SciML) 过程的可解释性，并且该方法与最优控制问题和 Hamilton-Jacobi 偏微分方程 (HJ PDE) 的时间相关哈密顿量有关。同时，我们提供
PDF25 days ago
具有二维旋转嵌入的交叉轴变压器
介绍了 Cross-Axis Transformer (CAT) 模型，该模型通过减少浮点运算数量，在图像处理中比 Vision Transformers 更快、更准确地收敛，从而解决了 Vision Transformers 在计算效率和
PDF25 days ago
EMNLP通过权重和激活量化提升大型语言模型的计算效率
该研究探讨了大型语言模型的后训练量化，特别是 4 位权重和 8 位激活（W4A8）量化，以提高计算效率，介绍了激活量化感知的缩放（AQAS）和序列长度感知的校准（SLAC）等创新技术，并引入了整数和非规格化表示的混合数据格式（dINT）来解
PDFa month ago
大数据聚类的并行化策略：高效 Big-Means 算法全面教程
本研究侧重于对大规模数据集聚类中 Big-means 算法的优化进行研究，探索了四种不同的并行化策略。我们进行了大量实验，评估了每种方法的计算效率、可扩展性和聚类性能，揭示了它们的优势和局限性。本文还探讨了计算效率与聚类质量之间的权衡，考察
PDFa month ago
基于 YOLOv8 的道路危害的视觉检测：坑洞、下水道盖和人孔
在道路基础设施维护和保障道路安全中，有效检测道路危险是至关重要的。本研究评估了 YOLOv8，一种物体检测模型，在检测路面危险，如坑洞、下水道盖和人孔等方面的综合性能。通过与之前版本 YOLOv5 和 YOLOv7 的比较分析，强调了计算效
PDFa month ago
基于强盗驱动的批次选择以应对标签噪声下的鲁棒学习
我们引入了一种新颖的方法来选择随机梯度下降（SGD）训练中的批量，利用组合赌博算法。我们的方法主要关注在现实世界数据集中普遍存在的标签噪声的学习过程优化。对 CIFAR-10 数据集的实验评估表明，我们的方法在各种标签污染程度下始终优于现有
PDFa month ago