inference accuracy | BriefGPT

关键词inference accuracy

搜索结果 - 21

面向任务的边缘设备协同推测中的无线计算
提出了一种任务导向的多设备人工智能系统的空中计算方案，其中包括边缘设备合作与边缘服务器完成无线网络上的推理任务，通过最小配对判别增益测量推理准确性，同时优化特征元素的最小判别增益和传输功率分配以提升推理性能。
PDF3 days ago
最大推理准确性和能效的选择性任务卸载用于实时物联网感知系统
通过提出轻量级混合遗传算法来解决小型推理模型在边缘设备上动态分配推理任务以最大化推理准确度的问题，并与其他演化方法进行比较。
PDF4 months ago
低精度多项式逼近的神经网络：提高准确性的新见解与技术
通过使用多项式逼近替换神经网络中的非多项式函数，并结合高精确逼近，本论文提出的多项式逼近神经网络（PANN）在实现隐私保护模型推理时与底层骨干模型具有类似的推理准确性。此外，通过对 PANN 的独立性进行调查，论文提出了提高 PANN 推理
PDF5 months ago
ReRAM 神经形态电路阵列中的卡住错误及其通过机器学习的纠正
本研究探讨了阻性随机访问存储器（ReRAM）神经形态电路的推理准确性，由于出现接通、断开和特定电阻值处的堵塞故障导致的准确性下降。使用 Python 的模拟框架进行监督式机器学习（具有 3 个隐藏层、1 个输入层和 1 个输出层的神经网络）
PDF5 months ago
EdgeOL：边缘设备上高效的现场在线学习
通过内部和外部优化，EdgeOL 边缘在线学习框架优化了推理准确率、微调执行时间和能量效率，平均降低了 82% 的微调执行时间和 74% 的能量消耗，并提高了 1.70% 的平均推理准确率。
PDF5 months ago
增强边缘端神经网络可靠性：随机仿射变换的反向归一化
提出了一种用于提高内存计算架构中部署的 BayNN 的鲁棒性和推断准确性的方法，其中引入了一个新型的标准化层以及随机的仿射变换，经过各种基准数据集的实证结果表明，推断准确性呈现出优雅的降级，改进幅度高达 58.11%。
PDF5 months ago
离散提示嵌入的连续提示生成
通过离散提示嵌入的方法，我们提出了一种构建连续提示的新方法，以提高连续提示的可解释性和推理准确性，验证了在自然语言理解任务中使用线性组合这些提示会获得更好性能的权重预测模型。
PDF7 months ago
DNNShifter: 边缘计算的高效 DNN 剪枝系统
DNNShifter 是一个端到端的 DNN 训练、空间修剪和模型切换系统，通过采用结构化修剪的新方法，快速地生成适用于边缘推理的模型变体，这些模型变体比密集模型小且快速，并且在保持相似精度的同时，产生出高效的推理延迟和低开销模型切换和内存
PDF10 months ago
面向任务的多设备边缘 AI 无线计算
本文提出了一种针对多设备分裂推理系统的任务导向的空中计算（AirComp）方案，旨在最大限度地减少聚合误差并最大化推理准确性。
PDF2 years ago
MM预测编码网络中分类准确度的预防措施
本文研究了 Predictive Coding Networks 训练时出现的中途准确度急剧下降现象，发现它是由于每一层收敛速度出现不平衡所导致的，通过正则化每层的权重矩阵或者限制权重范围可以解决这一问题。
PDF2 years ago
基于 28 纳米 HKMG 铁电场效应晶体管突触核的杂精度神经网络变异感知训练
该研究提出了一种混合精度神经网络训练框架，其中包含基于 eNVM 的计算存储单元来执行加权求和操作和另一个 SRAM 单元，在硬件中存储权重更新时的误差和所需的脉冲数。通过采用 28 纳米铁电场效应晶体管作为神经元间的突触器件并融合训练算法
PDF2 years ago
AAAISHOT-VAE：带标签 ELBO 逼近的半监督深度生成模型
本文探讨了半监督变分自编码器中 ELBO 值较好时推理结果不一定准确的问题，并提出使用带有标签预测损失的平滑 ELBO 以及基于最优插值的逼近方法以提升推理准确性。SHOOT-VAE 在 CIFAR-100 上准确率为 25.30%，在 C
PDF4 years ago
ECCV深度部分更新：用于设备端推理的通信高效更新
本文提出了一种新的权重部分更新方法，通过分析损失差异上限来智能选择每个服务器与远程边缘节点通信轮次中要更新的少量权重，从而实现与完全更新相似的性能，可应用于新兴的边缘智能应用。实验结果表明，在更新数量较少的情况下实现了高的推理准确性。
PDF4 years ago
IJCAI通过准确率监测提高深度神经网络的可信度
本文介绍了一种基于神经网络的精度监测模型，可用于监测深度神经网络的真实推断精度，并提高深度神经网络在安全关键应用中的可信度。我们的方法对于图像分类和交通标志检测等多个数据集有效。
PDF4 years ago
CVPRRMP-SNN：残余膜电位神经元实现更深、更高准确度和更低延迟的脉冲神经网络
使用 Residual Membrane Potential (RMP) 神经元的 ANN-SNN 转换可在多个数据集和网络结构上实现近乎零损失的图像识别和推理，且优于使用硬复位尖峰神经元的 SNN 推理精度。
PDF4 years ago
CVPR多位网络的自适应损失感知量化
研究深度神经网络压缩，提出一种自适应损失感知量化方法 (ALQ) 来加速推理并在低资源移动和嵌入式平台上降低存储需求。实验结果表明，该方法在精度和存储方面优于最先进的压缩网络。
PDF5 years ago
TBT: 基于位木马的有针对性神经网络攻击
本研究提出了一种新的目标二进制特洛伊（TBT）方法，为实现模型的恶意攻击，通过比特翻转攻击将特定的神经特洛伊插入到深度神经网络中。研究表明，只需利用可用的比特翻转技术（即行锤），翻转几个易受攻击的比特就可以将功能完好的 DNN 模型转化为特
PDF5 years ago
双动态推断：实现更高效、自适应和可控的深度推断
提出一种双重动态推理框架，采用多粒度学习以及资源依赖的动态推理机制，优化计算资源和预测精度之间的权衡，有效降低计算资源消耗，通过实验验证其优越性。
PDF5 years ago
自动无似然推理的条件核均值嵌入的贝叶斯学习
本文提出了一种基于核嵌入的似然免费推理框架（KELFI），它自动学习模型超参数以提高推理准确性，同时具有较高的样本效率，可以解决生态学中的复杂推理问题。
PDF5 years ago
AutoQ: 自动化的基于内核的神经网络量化
本论文提出了一种基于分层深度强化学习的自动量化技术 AutoQ，可以自动搜索每个权重核的量化位宽，以及每个激活层的另一个量化位宽，并极大地提高了卷积神经网络的推断性能，同时保持了推断精度。
PDF5 years ago