low-data regime | BriefGPT - AI 论文速递

关键词low-data regime

搜索结果 - 13

等变离线强化学习
通过使用有限数量的演示，本研究探讨了在离线强化学习中使用 $SO (2)$- 等变神经网络的可能性，并通过实验证明了等变性如何提高低数据情况下的离线学习算法。
PDF12 days ago
用于超声应用的零样本基本模型的语义分割精化器
通过使用粗糙语义分割掩模作为输入以及零 - shot 可提示的基础模型作为优化目标，我们提出了一种不需要提示的分割方法来解决低数据环境下分割模型的性能下降问题，并在肌肉骨骼超声图像数据集上进行了实验证明我们方法的优势，在不同程度的低数据环境
PDF2 months ago
LLM2LLM：利用新的迭代数据增强提升 LLM 模型
使用以预训练大型语言模型（LLM）为基础的 LLM2LLM 方法，通过数据增强和迭代，显著提高 LLM 在低数据情况下的性能，优于传统的微调和其他数据增强方法，减少了对数据策划的依赖，为更可扩展和高性能的 LLM 解决方案铺平了道路。
PDF3 months ago
借宝于邻：针对多模态学习的上下文学习在缺失模态和数据稀缺情况下的应用
通过使用检索增强上下文学习来解决多模态机器学习中缺失模态和样本有限的问题，提高分类模型性能和样本效率。
PDF4 months ago
探索任务内部关系以改善元学习算法
通过选择多样的任务进行小批量处理，我们研究利用任务关联的外部知识来改善训练稳定性，进而减少训练中的噪音。
PDF6 months ago
SCT: 通过显著通道进行参数高效调优的简单基线模型
通过 Salient Channel Tuning 方法，在只添加 0.11M 参数的情况下，对低数据资源情景中的 18 项任务以及其他领域泛化和少样本学习任务进行了实验，结果表明该调优技术在低数据情况下具有强大的能力和效果。
PDF10 months ago
通过主动遗忘预训练以提高语言可塑性
本文提出使用主动遗忘机制作为预训练过程中的一种简单方法，以创建能够快速适应新语言的 PLMs。实验证明，与标准模型相比，在资源匮乏的情况下，使用遗忘机制的预先训练模型不仅在语言适应过程中表现出更快的收敛速度，而且在特别是对于与英语不同的语言
PDFa year ago
充分利用现有资源：在低数据条件下调整预训练的视觉语言模型
研究表明，视觉语言模型是目前广泛使用的预训练模型，但在适应少量样本方面，深度学习模型存在不足。本文研究了面向生成视觉语言模型的现有适应方法，提出了自标记的重要性，并提出一种任务适应流水线，可显著提高各种视觉语言任务（如图像分类、视觉问答等）
PDFa year ago
Trust Your ∇: 基于梯度干预的因果发现
本文提出了一种新的梯度干预目标方法，用于实验性设计的因果发现，该方法在模拟和现实世界数据集上进行了广泛的实验，并表现出与竞争基线相当的性能，甚至在低数据情况下超越了它们。
PDF2 years ago
基于多尺度基于补丁的小波频谱图生成的时间序列合成
本研究提出了一种从单一样本中学习生成低数据制度下合成时间序列的框架，它利用单个图像生成模型捕捉时间序列波小波形成对数分布，为生成合成时间序列绘制逼真的波小波系数。结果显示这个框架对于在无趋势的时间序列中保证了逼真度和多样性，而且生成的样本时
PDF2 years ago
ACL额外指示值得多少数据样本？
通过增加指令任务的附加指令，Instruction-augmentation 显着提高了模型性能，特别是在低数据范式下对于 instruction-tuned model 的表现等价于平均约 200 个数据样本，这对于非专家用户使用 NLP
PDF2 years ago
使用深度图像先验和学习重建方法的计算机断层扫描重建
本文探究了深度学习方法在低数据条件下应用于计算机断层扫描的可能性，并提出了一种深度图像先验方法与经典规则相结合的方法，提高了低数据条件下的重建质量和数据效率。
PDF4 years ago
数据增强生成对抗网络
本文提出了一种用于数据增强的生成对抗网络 (DAGAN) 模型，其可帮助神经网络在数据不足的情况下提高泛化能力，实验结果显示在 Omniglot、EMNIST 以及 VGG-Face 数据集中，使用 DAGAN 后精度显著提高，我们同时还使
PDF7 years ago