关键词group lasso regularization
搜索结果 - 3
- 基块稀疏循环神经网络
研究使用 “修剪” 和 “组稀疏化正则化” 这两种方法来诱导 RNN 网络中的块稀疏性,形成 80% 到 90% 不等的稀疏度;该技术能够消除与数据存储和不规则内存访问相关的额外开销,同时提高硬件效率和降低参数总数。
- ICLR学习长短期记忆内在稀疏结构
该论文提出了一种内在稀疏结构方法,通过独立地减小 LSTM 单元内基本结构的尺寸并保持尺寸一致性来实现结构上稀疏的 LSTM,这种方法可以显著提高模型的速度而不会损失模型性能,并成功地被应用于不同的 RNN 架构。
- AAAI采用分层多任务学习进行多个气候变量的空间投影
提出了一种基于层次多任务学习框架(HMTL)的气候投影方法,该方法使用多任务学习公式实现特定气候变量的空间投影,并添加了组套索正则化以便在给定的空间位置上利用不同气候变量之间的关系。结果显示相比于其他方法,HMTL 方法可以更有效地实现气候