machine learning applications | BriefGPT

关键词machine learning applications

搜索结果 - 30

混沌挖掘：低 SNR 环境下评估事后局部归因方法的基准
通过研究后续局部属性方法在低信噪比领域中鉴定具有预测能力的特征与无关特征的效能，我们开发了涵盖符号功能、图像和音频数据的合成数据集，并对多个经典模型的性能进行了严格测试。基于这些发现，我们引入了一个对神经网络适用性更强的新型递归特征消除算法
PDF17 days ago
DrivAerNet++: 大规模多模式汽车数据集与计算流体动力学模拟和深度学习基准
DrivAerNet++ 是用于空气动力学汽车设计的最大和最全面的多模式数据集，支持包括数据驱动设计优化、生成建模、代理模型训练、CFD 模拟加速和几何分类等多种机器学习应用，填补了现有资源的显著差距，提供高质量、多样化的数据以增强模型训练
PDF21 days ago
基于分层狄利克雷过程的分布鲁棒优化中的力量借助
该论文介绍了一种新颖的优化框架，用于解决现代机器学习应用中的关键挑战：高维度、分布不确定性和数据异质性。该方法通过使用分层狄利克雷过程（HDP）先验，有效处理多源数据，实现正则化、分布鲁棒性，并在不同但相关的数据生成过程之间共享强度。通过建
PDFa month ago
机器学习是否增加了额外的偏见？快速近似模型公平性
通过测量各种机器学习应用中的歧视水平，通过近似算法计算集合之间的距离以实现公平，提出了基于流形的 “谐波公平度量（HFM）” 和 “集合距离的近似算法（ApproxDist）”。
PDF2 months ago
随机广义 Stiefel 流形上的无回退优化
我们提出了一种便宜的随机迭代方法，解决了通过对可行解的随机估计来优化在广义斯蒂弗尔流形上的问题。该方法具有较低的每次迭代成本，只需要进行矩阵乘法，并且具有与完整矩阵 B 相关的 Riemannian 方法相同的收敛速度。实验证明了其在包括
PDF2 months ago
将市场渠道整合到基于高斯过程模型的分位变换和贝叶斯优化的组合核销预测中
本研究介绍了一种创新的高斯过程（GP）模型，利用集成核函数将径向基函数（RBF）、有理二次函数和 Matérn 核融合起来，用于产品销售预测。通过应用贝叶斯优化，我们有效地找到了每个核函数的最优权值，增强了模型处理复杂销售数据模式的能力。我
PDF3 months ago
关于将自动化测试标记语言（ATML）扩展到机器学习的研究
本研究针对机器学习应用在边缘计算、机器人、卫星和无人车等系统中的操作测试与评估（T&E）的迫切需求，研究了 IEEE 1671 标准（自动化测试标记语言）的适用性，并探索了扩展该标准以满足机器学习应用中的挑战，提出了一个可适应特定应用的框架
PDF3 months ago
克服规模扩展机器学习硬件加速器中的通信瓶颈的硅光 2.5D 互联网
现代机器学习应用越来越复杂，单芯片加速器架构无法满足其能效和吞吐量要求。本文介绍了如何利用光通信和计算在 2.5D 平台上实现能效高、吞吐量大的 2.5D 机器学习加速器架构。
PDF4 months ago
科学机器学习的机制性神经网络
本文介绍机制性神经网络，它是一种适用于科学中的机器学习应用的神经网络设计。它通过在标准架构中加入新的机制性模块，明确地学习代表物理方程的微分方程，揭示数据的基本动态，并增强数据建模的可解释性和效率。我们的方法的核心是一种新颖的放松线性规划求
PDF4 months ago
当离散优化规模与神经网络一样大时该如何处理？
本研究比较了使用纯粹外推梯度信息和比较有效解的两种方法，以解决离散优化问题在机器学习应用中的使用，首先概述了这两种方法及其缺点，然后通过实验证明了它们的性能差异。
PDF5 months ago
目标检测的验证 —— IBP IoU
我们介绍了一种新颖的区间边界传播（IBP）方法，用于形式验证物体检测模型，特别针对 IoU 指标。该方法已在名为 IBP IoU 的开源代码中实现，与流行的基于抽象解释的验证工具兼容。我们通过对着陆进场跑道检测和手写数字识别案例研究进行评估
PDF5 months ago
MM重新审视宇宙距离梯度与深度学习方法，并探索其应用
使用一种称为 LADDER（深度距离估计与重建学习算法）的新型深度学习框架，我们研究了利用宇宙的 “宇宙距离阶梯” 进行重建的前景。LADDER 通过使用巴拿松型 Ia 型超新星样本中的表观星等数据，并将数据点之间的完全协方差信息纳入训练，
PDF5 months ago
SCANIA 零件 X 数据集：一个用于预测性维护的实际多变量时间序列数据集
本文介绍了一篇关于来自 SCANIA，瑞典一批卡车的一个匿名化引擎组件（称为 X 组件）的实际多变量时间序列数据集的描述。这个数据集包括捕获详细操作数据、维修记录和卡车规格的多种变量，通过匿名化保持机密性。该数据集非常适合于各种机器学习应用
PDF5 months ago
通过潜在空间的解缠释义实现回归
本文提出了一种新的方法，通过首先将潜空间中的标签无关特征与预定义的输出相结合，以为预先训练的回归器生成对立解释。通过在潜空间中搜索，我们展示了该方法在回归问题设置下重要高维机器学习应用中具有竞争力。
PDF8 months ago
卷积与征服：使用维纳滤波器进行数据比较
通过 Wiener 滤波器理论，本文介绍了一种新的方法来计算配对样本之间的相似度或差异，可在全局相关的方式下全面比较数据样本，并在数据压缩、医学影像填充、翻译分类和非参数生成建模等四个机器学习应用中得到验证。实验结果表明，与常规均方误差模拟
PDF8 months ago
黎曼随机优化方法避免严格鞍点
对于现代机器学习应用中的最小化问题，研究了基于提纯的方法族，证明了在渐进条件下，从任意初始状态出发，研究中的策略几乎总能避免严格鞍点 / 子流形，从而为在流形上使用梯度方法提供了重要的可靠性验证。
PDF8 months ago
英特尔 Max 系列 GPU 上深度学习稀疏矩阵核的性能优化
本文主要研究稀疏矩阵操作在机器学习应用中的三个方面，分别是稀疏 - 稠密矩阵乘法（SPMM）、采样稠密 - 稠密矩阵乘法（SDDMM）以及 SDDMM 与 SPMM 的组合。我们利用 Intel oneAPI 的显式 SIMD（ESIMD）
PDF8 months ago
从零到英雄：通过合成数据注入和模型查询检测泄露数据
为了保护数据的知识产权，在机器学习应用日益增多、且其成功与训练数据的质量密切相关的背景下，缺乏对未经授权的模型训练过程泄露数据的检测机制。本文针对表格数据领域，引入了一种名为局部分布偏移合成（LDSS）的新方法来检测训练分类模型所使用的泄露
PDF9 months ago
语义漏洞嵌入的漏洞聚类与其他机器学习应用
利用自然语言处理技术获得漏洞空间的简洁表示，并作为机器学习应用的基础，支持网络安全研究人员和分析师进行风险评估等相关活动。
PDF10 months ago
带有最佳效率和实用特性的约束优化方法
本文介绍了两种新的 Frank-Wolfe 算法变体，用于随机有限和最小化。这些方法在凸和非凸目标函数方面，都具有最佳的收敛保证。同时，本文提出的两种方法都不需要永久收集大批量数据和完整确定性梯度，可用于优化机器学习等领域中的结构约束问题。
PDFa year ago