execution time | BriefGPT - AI 论文速递

关键词execution time

搜索结果 - 8

使用重心修正程序的机器学习训练优化
使用莫斯科时间支持向量分类（LinearSVC）和高斯径向基函数（RBF）核的估计特征映射，证明组合机器学习算法与重心校正程序（BCP）在高维空间具有较高的计算时间和准确性。
PDF4 months ago
时间序列的深度最优时机策略
该论文提出了一种机制，将概率时间序列预测任务和最优时机决策任务相结合，作为首次系统性尝试，以解决这些实际问题，并具备坚实的理论基础和现实世界的灵活性。具体来说，它通过概率预测算法生成潜在时间序列的未来路径，并通过循环神经网络结构（RNN）来
PDF9 months ago
高性能计算应用于逻辑回归：CPU 与 GPU 实现比较
我们提供了一个通用的基于 GPU 的并行逻辑回归版本，旨在应对大数据集中对更快算法的需求。通过我们的 GPU 实现，我们加速了处理大型数据集的速度，同时保持了可比较的 f1 分数，这使得我们的方法在实时预测应用领域如图像识别、垃圾邮件检测和
PDFa year ago
使用深度强化学习优化内存映射
通过采用强化学习技术，本文提出了一个解决编译机器学习程序中内存映射问题的新方法，称之为 mallocMuZero 算法，并将其应用在 ML 加速器上以缩短执行时间，表现优于目前的默认求解器。
PDFa year ago
MM基于迁移学习的有限训练数据下高效交通预测
研究了深度迁移学习技术在具有不足历史数据的交通预测中的表现，使用源域中的最佳模型进行目标域预测，结果表明，迁移学习可减少执行时间并提高模型的准确性。
PDF2 years ago
最优输运的图论加法逼近
本文提出了一种基于 Gabow 和 Tarjan 的图算法的新颖分析，并提供了一个简单的贪婪式迭代算法，其执行时间为 O (n^2*C/δ + nC^2/δ^2)，用于求解概率分布的最优运输问题，在数值不稳定的情况下具有竞争力的执行时间。
PDF5 years ago
深度学习模型计算成本的预测
本文提出了一种针对深度学习神经网络训练时间预测的方法，通过训练神经网络预测每部分的执行时间，从而得出整体的深度学习网络训练时间，可以用于推断每个批次或整个 epoch 的执行时间，也可以支持选择适当的硬件和模型。
PDF6 years ago
故障定位家族及其组合的实证研究
通过对现实世界中故障定位技术的广泛研究，本文报道了一个经验性研究。不同于以往的研究，该论文考虑了来自不同家族的各种技术，并结合了不同技术并考虑了不同技术的执行时间。研究结果显示，组合技术明显优于任何单独技术，表明组合可能是应用故障定位技术的
PDF6 years ago