generalization power | BriefGPT

关键词generalization power

搜索结果 - 8

深度神经网络学习过拟合特征的起始点解释：交互的两阶段动态
该研究探讨了深度神经网络 (DNN) 学习交互的动态。研究发现 DNN 学习交互的过程分为两个阶段，并验证了高阶交互相较于低阶交互有较弱的泛化能力，从而解释了 DNN 的泛化能力在训练过程中的变化。
PDF2 months ago
卷积神经网络架构在人脸混合造假展示攻击中的通用性
开发鲁棒性的机器学习系统是防止犯罪分子使用假身份证件越过边境的必要手段，本研究则调查了卷积神经网络架构对变形攻击的泛化能力，结果发现 InceptionResNet-v2 在对未知数据的泛化效果上优于其他四个 CNN 模型。
PDF9 months ago
图链接预测中优化泛化性的由节点特征与图拓扑的解耦
利用节点属性的预训练来改善连接预测模型的泛化能力，通过学习一个函数，UPNA 方法解决了归纳连接预测问题，超过了基准数据集上基准模型的表现。
PDFa year ago
基于概念层的深度神经网络泛化解释
从交互概念的角度解释深度神经网络的泛化能力，定义交互概念的复杂性，发现简单概念可以更好地推广到测试数据，研究发现学习复杂概念的绕道动态解释了复杂概念的高学习难度和低泛化能力。
PDFa year ago
ICML常见与不常见环境中熟悉物品的关注
本文介绍了 FOCUS 一个多样的数据集，以测试深度图像分类器的泛化能力，并研究了各种流行的图像分类器在此数据集上的性能，以及分析了这些模型的深度特征，发现这种误差可能是由于在模型预测中使用了虚假特征。本数据集将有助于研究人员了解深度模型在
PDF3 years ago
Transformer 模型中的专家寻找
本研究旨在探讨预训练 Transformer 模型中的专家单元及其对模型性能的影响，并论证了这些单元在多个方面非常重要，如与模型泛化能力相关，可用于解释未知概念等，并通过强制激活关键专家单元的方法实现了对给定概念的文本生成，无需重新训练模型
PDF4 years ago
EMNLP命名实体识别中对大小写错误的鲁棒性
文中通过数据增强的方法，提出了一种基于学习的 Named entity recognition 方法，可以很好地识别大小写错误，而不影响其在规范文本上的性能，并显著提高了对异体用户文本的泛化能力。
PDF5 years ago
EMNLP金字塔循环单元用于语言建模
介绍了 Pyramidal Recurrent Unit (PRU) 这一新型神经网络结构，用于词语级别的语言建模，相比于传统 LSTMs 网络更具有更好的推广能力和更少的参数数量。该网络在参数相似的情况下优于之前使用不同门机制和变换的循环
PDF6 years ago