hyper-parameter tuning | BriefGPT

关键词hyper-parameter tuning

搜索结果 - 26

基于随机超参数调整的 AMI 网络深度循环电力盗窃检测
该论文提出了一种基于深度循环神经网络的电力盗窃检测器，该模型利用客户用电的时间序列特性实现门控循环单元（GRU）循环神经网络，并采用随机搜索分析进行超参数适当微调，实验结果表明该检测器相比现有技术具有更好的性能。
PDF6 years ago
ICLR不要减小学习率，增加批量大小
通过增加批量大小来训练深度神经网络中，测试集和训练集的学习曲线可以达到相同结果，可以获得更高的并行性和更少的参数更新，同时无需超参数调整。
PDF7 years ago
ICML连续控制中基准化深度强化学习任务的再现性
本研究探讨了在强化学习中使用策略梯度法的重要性和挑战以及如何提供一致的基准实验来比较新方法。主要研究领域包括连续控制任务、超参数调整和算法的一般方差。
PDF7 years ago
知识库补全：基准反击
通过重新实现 DistMult 模型，本文发现几乎所有在 FB15k 标准数据集上发布的模型的准确性都可以被我们适当调整基线模型超越，表明最近模型的性能改进可能不是由于架构变化，而是由于超参数调整或不同的训练目标。这应促使未来的研究重新考虑
PDF7 years ago
通过 Thompson Sampling 进行异步并行贝叶斯优化
设计并分析了变化的经典 Thompson sampling 算法以用于贝叶斯优化，并在设置中对其进行了比较，其中函数评估代价高但可以并行执行，在时间约束下，异步并行 TS 相对于同步和顺序版本具有渐进性更低的后悔，同时在卷积神经网络的超参数
PDF7 years ago
ICML用梯度下降训练学无梯度下降的学习
通过比较基于贝叶斯优化的算法，我们研究了在简单合成函数上训练的循环神经网络优化器的性能，发现这些训练后的优化器在不同的黑盒函数优化、超参数整定和全局优化基准测试中表现优异。
PDF8 years ago