generalize | BriefGPT - AI 论文速递

关键词generalize

搜索结果 - 11

学习可泛化动态系统的神经上下文流
神经常微分方程通常难以推广到基础系统参数变化所创建的新动态行为，即使这些动态行为与先前观察到的行为相近。本文引入神经上下文流（NCF），一种将未观察到的参数编码成输入矢量场的潜在上下文向量的框架。NCF 利用矢量场相对于参数的可微性，结合一
PDF2 months ago
超越顶级一致性：使用差异来预测分布转移下的性能
模型泛化性和预测分布在数据的广泛应用中至关重要，本研究通过基于 Hellinger 距离、Jensen-Shannon 和 Kullback-Leibler 散度的模型差异概念，发现散度得分相对于最高 1 的概念在测试误差估计和检测率上提供
PDF7 months ago
属性多样性决定了 VQA 中的系统性差距
通过研究视觉问答中的系统性差异，我们发现神经网络在泛化到新的熟悉概念组合时的表现差异。尽管训练数据的数量增加并不能减小系统性差距，但训练数据中未见组合的属性多样性可以减小系统性差距。因此，我们的实验证明，在训练过程中看到更多不同的属性类型组
PDF8 months ago
医疗表格数据中的超出分布检测基准
机器学习模型在现实世界的医疗系统中可靠地运用和避免在分布之外的数据上产生不准确的预测是非常重要的。该研究提出了一个全面的可复现基准测试，比较了不同方法在接近和远离分布之外的数据上的表现，特别关注医疗表格数据的处理。研究发现对于远离分布之外的
PDF9 months ago
探究基于静态数据集训练的计算机谣言检测模型的局限性
该论文通过对内容和上下文基于模型在检测新的未知谣言方面的性能差距的深入评估，发现基于上下文的模型过于依赖来自谣言源帖的信息，忽视了上下文信息的重要作用。基于实验结果，该论文还提出了关于如何在训练谣言检测方法时最小化静态数据集中时间概念漂移影
PDF10 months ago
从输入输出示例中合成神经组合逻辑电路
本研究提出了一种新颖的可完全解释的神经方法来合成组合逻辑电路，其特点是可以扩展到归纳情形并成功地学习了多种算术、位运算和信号路由操作，并且对于合成逐渐增大的实际电路始终产生良好的结果。
PDF2 years ago
ICML使用互信息监控快捷学习
研究深度神经网络在超出分布数据的泛化失败问题，提出使用互信息作为度量标准，监测快捷学习现象。
PDF2 years ago
无需显式正则化，使用极少数据从头开始学习的大型神经网络
深度神经网络模型通常需要大量训练数据，但是最近的研究结果表明高度参数化的神经网络可以在没有预训练或显式正则化的情况下实现泛化，这对于传统的机器学习是完全违背常识的，该研究进一步证实了这一观点，对于卷积神经网络的应用具有启示意义。
PDF2 years ago
弱梯度和强梯度方向：解释尺度下的记忆、推广和难度
本文通过对 ResNet，Inception 和 VGG 等模型的实验验证了相干梯度假设，并提出了具有可扩展性的抑制弱梯度方向的方法，这是首次令当代的监督学习提供令人信服的概括能力证据。
PDF4 years ago
ICLR基于对象组合的学习物理动态方法
本文提出了神经物理引擎（NPE），它是一个学习具有直觉物理的模拟器的框架，并自然地推广到可变对象计数和不同场景配置。作者将物理场景分解为可组合的基于对象的表示，并使用神经网络架构对对象动态进行分解。通过与非结构化架构进行比较，作者表明，NP
PDF8 years ago
流行性的可预测性：预测与理解之间的差距
通过使用跨越音乐、书籍、照片和 URL 等领域的社交网络数据，我们测试了可以使用先行者和其社交网络属性来预测一个项目的流行度这一观点的鲁棒性，并且发现我们的模型不仅在所有数据集上都可以获得较高的准确性，而且具有很好的泛化能力。
PDF8 years ago