deep neural network models | BriefGPT

关键词deep neural network models

搜索结果 - 50

KDD通过有限标记数据学习实现电子商务目录文本属性值的自动验证
MetaBridge 是一种新颖的元学习潜变量方法，可从有限标记数据的一组类别中学习可转移的知识，并利用未标记数据捕捉从未见过的类别的不确定性，用于验证产品目录中的文本属性值，具有比现有最先进方法更优异的性能。
PDF4 years ago
AAAI评估蒙特卡罗和蒸馏方法对深度贝叶斯神经网络分类的对抗鲁棒性
本文考虑在 Markov chain Monte Carlo（MCMC）和 Bayesian Dark Knowledge（BDK）推断近似下评估深度神经网络模型对于对抗攻击的抵抗力的问题，并且比较了全 MCMC 推断和 BDK 对于快速梯
PDF4 years ago
工作预测：从深度神经网络模型到应用
本文通过使用不同的深度神经网络模型，包括 TextCNN、Bi-GRU-LSTM-CNN 和 Bi-GRU-CNN 以及各种预训练的单词嵌入来研究职业预测。此外，我们还提出了一个简单有效的组合模型。实验结果表明，我们的提出的组合模型取得了最
PDF5 years ago
基于网络特征提取的对抗性防御
该研究提出了一种基于分解 DNN 模型到不同功能块的方法，通过将每个图像的有效路径聚合到类级别的有效路径来检测对抗性图像，从而实现更好的准确性和更广泛的适用性。
PDF5 years ago
基于元学习的深度在线学习：模型强化学习中的持续自适应
本文旨在开发一种方法，从传入的数据流中使用深度神经网络模型进行连续的在线学习，使用随机梯度下降算法来更新模型参数，并使用先验的中餐馆过程的期望最大化算法来开发和维护一种混合模型来处理非平稳任务分布。我们将元学习应用于基于模型的强化学习，以适
PDF6 years ago
NIPS使用贝叶斯神经网络模型对分子性质预测的不确定性量化
本研究采用贝叶斯神经网络在分子性质预测中量化预测的不确定性，证明不确定性量化的必要性，从而提高分子应用的可靠性。
PDF6 years ago
CVPR利用对抗学习在资源匮乏的语言中进行手写识别
本文介绍了手写字识别和定位中的一种新的训练模式，即使用 Adversarial Feature Deformation Module (AFDM) 通过扭曲特征以加强学习能力，测试表明，该模型可以显著地提高在数据匮乏情况下的普适性和准确度。
PDF6 years ago
深度强化学习用于中文零代词消解
本研究采用深度强化学习模型，集成局部和全局决策，学习选择先前预测的先行词的策略，以在中文零代词消解中提高准确性。在 OntoNotes 5.0 数据集上的实验结果表明，本技术超过了最先进的模型。
PDF6 years ago
CVPR联合优化数据增强和网络训练：对抗数据增强在人体姿势估计中的应用
提出对抗数据增强方法来优化神经网络模型的训练，通过生成难度较高的增强操作来让网络进行学习，实现训练的同时进行数据增强，对人体姿势估计问题进行实验测试，证明该方法能够显著提高模型性能而不需要额外的数据增强。
PDF6 years ago
CVPREAST: 一种高效准确的场景文本检测器
本研究提出了一种简单而强大的场景文本检测流程，该流程可以直接预测全图中任意方向和四边形形状的单词或文本行，消除了不必要的中间步骤（例如候选聚合和单词划分），只需要一个神经网络进行操作，大大提升了检测的准确性和效率。
PDF7 years ago