error accumulation | BriefGPT

关键词error accumulation

搜索结果 - 10

机器学习大气模拟器中误差积累的定义
该研究使用机器学习模型，提出了对大气系统中的误差积累进行定义和测量的方法，并通过提出的正则化损失函数想验证其有效性，从而在实际天气预测任务中取得了性能改进。
PDFa month ago
交互意图预测的双向渐进变形器
通过引入一种新型的双向递进式 Transformer 模型 (BOT)，该论文利用手部轨迹和交互热点之间的深层内在连接，通过空间 - 时间重构模块最大程度地利用来自前一观察帧的空间信息，通过双向递进式增强模块相互改进手部轨迹和交互热点的预测
PDF2 months ago
悲观主体评价缓冲区的验证原因
本研究探讨了通过悲观时序差异目标更新的评论家网络中的错误累积问题，并表明评论家逼近误差可以通过类似于贝尔曼值的递归固定点模型进行近似。我们利用这样的递归定义检索出悲观评论家无偏的条件。基于这些发现，我们提出了一种新的学习算法 - 验证悲观学
PDF4 months ago
增强多路径传递课程的连续领域适应
该论文介绍了一种新颖的连续域适应方法 W-MPOT，通过构建基于 Wasserstein 距离的源域和中间域的转移课程表，使用连续最优传送的修改版本在转移课程表中的多个有效路径上将源模型转移到目标域，引入双向路径一致性约束以减轻连续转移过程
PDF4 months ago
EMNLPJointMatch: 一种用于半监督文本分类的多样化和协作伪标签统一方法
提出了一种名为 JointMatch 的新方法，用于半监督文本分类，通过结合最近半监督学习和学习带有噪声任务的理念，解决了伪标签偏见和错误积累的问题。JointMatch 通过根据不同类别的学习状态自适应调整类别阈值，减轻了模型对当前容易类
PDF8 months ago
面向语义分割的分布感知持续测试时间适应
我们提出了一种分布感知调优 (DAT) 方法，通过数据分布选择和更新训练参数，以使连续测试时间适应 (CTTA) 在实际应用中变得高效和实用，该方法在两个广泛使用的语义分割 CTTA 基准测试上取得了优异的性能。
PDF9 months ago
输入扰动减少扩散模型中的暴露偏差
通过加入输入扰动以模拟推理时间预测误差，本文提出了一种简单而有效的训练正则化方法，以减轻 Denoising Diffusion Probabilistic Models 模型中的错误积累现象，并在维持较高的采样质量的同时，显著减少训练和推
PDFa year ago
AAAI学习噪声标签的模型和数据一致性
本文通过模型和数据维度尝试处理嘈杂标签学习中的误差积累问题。引入均值点集成方法来利用更鲁棒的损失函数和未被选择样本中的更多信息从模型角度减少误差积累；从数据角度，选择翻转图像的损失值来代替原始图像的损失值选择小损失样本，以减少误差积累。在
PDF2 years ago
神经机器翻译的训练和推理之间的缩小差距
本研究针对神经机器翻译存在的训练误差积累和过度校正问题，提出了一种从训练模型的预测序列中采样上下文词并使用句子级优化方法选择预测序列的训练策略，并在中英互译和 WMT'14 英德互译数据集上得到了显著提高。
PDF5 years ago
ICCV自然场景图像中的统一文本检测系统
该研究提出了一种名为 Text Flow 的统一场景文本检测系统，该系统使用了最小成本（min-cost）流网络模型，通过将字符候选检测、文本行提取和文本行验证三个步骤集成到一个过程中，从而有效地解决了误差累积问题，并在 ICDAR2011
PDF8 years ago