关键词computationally efficient
搜索结果 - 29
- 学习点云上的 3D 实例分割中的物体边界框
3D-BoNet 是一个新颖的、简单易懂且通用的网络,可在 3D 点云上实现实例分割。该网络由骨干网和两个并行支路(边界框回归和点掩码预测)组成,并在保持端到端训练的同时,直接回归点云中所有实例的 3D 边界框和每个实例的点级掩码。实验表明 - 运动规划网络
Motion Planning Networks (MPNet) is a novel neural network-based algorithm that efficiently generates collision-free pat - 寻找优秀的训练样本以提升梯度提升决策树的效果
解决了如何在树集合模型中找出影响力训练样本的问题,并对扩展该方法以适用于非参数模型提出了几种方法。实验证明,本方法不仅性能良好,而且计算效率高。
- 使用分段线性同伦快速精确收缩套索
本文提供了一种精确且计算有效的基于 Lasso 和弹性网络的确认化方法,并揭示了确认推断中的准确性 - 稳定性权衡,其类似于传统参数估计中的偏差 - 方差权衡。
- 基于 oracle 的对抗性情境赌博算法的改进遗憾界
提出了一种基于 oracle 的算法来应对敌对情境下的赌博问题,该算法在访问离线优化 Oracle 并且享有 $O ((KT)^{\frac {2}{3}}(\log N)^{\frac {1}{3}})$ 的遗憾度的情况下是计算有效的,其 - ICLR生成词义表示的简单高效方法
本文介绍了一种简单的模型,它可以代表多义词的不同含义,有效地区分单词的语义,并保证计算效率。
- 10,000 + 次加速的稳健子集选择(ARSS)
提出加速鲁棒子集选择方法(ARSS),以防止大误差对目标的影响,并通过 ALM 和等价推导降低计算成本,从而在实验中证明方法的有效性。
- 自适应划分的多元凸回归
提出了 Convex Adaptive Partitioning (CAP) 这一新的非参数方法,它可以在响应函数上受到凸性或凹性限制的情况下进行多元回归。CAP 是计算有效的,适用于定价具有大量基础资产的美式篮式期权的价值函数近似,并表明 - 在线硬约束多任务学习
本文探讨了多任务在线学习,当决策者需要同时处理 M 个任务时。M 个任务是相关的,我们给出了此类问题的一个一般可行解,并提供了计算上有效的方法来选择行动,本质上是将其化简为在线最短路径问题。我们还讨论了问题的 “跟踪” 和 “劫掠” 版本,