instance-dependent | BriefGPT

关键词instance-dependent

搜索结果 - 7

约束条件下的随机优化：非渐近函解析
通过分析局部最小值下界与扰动问题解的关系，我们证明了方差减小的近端梯度算法在样本数量趋向无穷大时达到了局部最小值下界，除了普适常数和对数因子的样本大小外。
PDF3 months ago
利用对齐集解决实例相关的标签噪声问题
我们提出了一种针对存在实例相关标签噪声的两阶段方法，利用锚定点取得了判别性能的显著改进，同时减轻了偏差。
PDFa year ago
基于几何意义的线性赌博机算法平衡性能和理论保证
该论文提出了一种基于数据驱动技术的算法，利用不确定椭球的几何性质追踪算法的习得性能，在不同的问题实例上实现实例相关的频率遗憾边界，从而实现算法实例纠错，并在保留基础算法大部分优良性质的同时，达到最小化讽刺性遗憾代价。
PDFa year ago
交互决策中的实例最优性：走向一个非渐近理论
本研究旨在开发适应性算法，用于互动决策制定，并在实际状况好的实例中适应性地提高性能。研究提出了 Allocation-Estimation Coefficient (AEC) 的复杂度度量，并提出了新的算法 AE2，它控制了 AEC 的速率
PDFa year ago
ICML理解实例级标签噪声：不同影响和处理方法
本文旨在提供对过拟合模型的影响的理解，例如深度神经网络如何记忆与实例相关的嘈杂标签，并分析现有方法处理这一问题的优缺点及对不同频率实例的影响。通过我们的分析，发现现有方法对不同频率实例的处理不同。因此，这项观察结果需要我们重新思考标签噪声分
PDF3 years ago
CVPR基于二阶方法的实例相关标签噪声学习
该研究提出一种二阶方法来处理深度神经网络训练中的标签噪音问题，使用此方法可以解决由任务难度引起的实例相关的噪音，提供一个新的损失函数来处理实例相关噪音，进而能够使用已有的类相关噪音的解决方案来处理该问题。
PDF4 years ago
ICLR基于示例筛选的实例相关标签噪声学习
本文提出 CORES^2（COnfidence REgularized Sample Sieve）滤除具有实例依赖标签噪声的数据集中的错误标签样本，实现不需要确定噪声比率，可显著提高 DNN 模型的性能和训练效率。
PDF4 years ago