deep ensemble | BriefGPT - AI 论文速递

关键词deep ensemble

搜索结果 - 7

快速集成扩散薛定谔桥
通过使用 Diffusion Bridge Network (DBN) 方法，可以减少深度集成方法的计算开销以及推断阶段的前向传递，从而提高准确性和不确定性分数。
PDF2 months ago
大语言模型微调的 LoRA 组合
使用 Low-Rank Adapters (LoRA) 的集成方法能显著改善针对预训练语言模型（LLMs）的不确定性量化问题，提高预测准确性。
PDF9 months ago
ICML函数空间内遍历模式以实现快速集成
本文提出了一种新颖的框架来建立 “桥梁” 网络，以降低深度网络应用时的推断成本。通过预测在低损失子空间中评估原神经网络的输出，我们的 “桥梁” 网络可以在不经过原神经网络的前向传递的情况下预测低损失子空间中的输出，实验结果表明，我们确实可以
PDFa year ago
深度抗正则化集成提供可靠的外部分布不确定性量化
本文提出了一种使用反正则化和控制过程的方法，来解决深度集成网络中的过度自信估计问题，该方法不需要任何超参数校准，并在回归和分类设置中得到了验证。
PDFa year ago
贝叶斯神经网络的模型架构调整
本文提出一种新颖的网络架构搜索 (NAS) 方法，用于优化 Bayesian 神经网络（BNN）的精度和不确定性，同时减少推理延迟。与传统的 NAS 不同，该方法使用来自内部和外部分布的数据搜索模型的不确定性性能，从而可以在网络中搜索贝叶斯
PDF2 years ago
深度神经网络未知检测能力的统一基准
本文提出了未知检测任务概念，并将其作为深度神经网络对所有任务的检测能力进行严格评估的统一评估标准，在构建基准数据集和比较现有方法的未知检测能力之后，发现 Deep Ensemble 在检测未知数据方面具有出色的性能。
PDF3 years ago
ACL分布式 NLI：学习预测人类观点分布的语言推理
介绍了分布式 NLI 任务，并探究了通过 Monte Carlo Dropout、Deep Ensemble、Re-Calibration 和 Distribution Distillation 等分布估计方法来更有效地捕捉人类判断分布的模
PDF3 years ago