machine learning frameworks | BriefGPT

关键词machine learning frameworks

搜索结果 - 8

Python 模糊测试可信机器学习框架
确保机器学习框架的安全性和可靠性对于构建可信的基于人工智能的系统至关重要。我们提出了一个 Python 项目的动态分析流水线，使用 Sydr-Fuzz 工具集来实现模糊测试、语料库精简、崩溃分析和覆盖率收集，在 GitLab CI 中实现流
PDF3 months ago
自适应采样与重要性采样的高效梯度估计
通过提出的自适应方法和重要性采样方法，在机器学习框架中有效地整合了重要性函数，并仅通过输出层的损失梯度提出了一个简化的重要性函数，以实现在分类和回归任务中更好的收敛性和最小的计算开销。
PDF7 months ago
普适微分方程的分析：数据驱动常微分方程的发现
本文研究了使用 Physiscs-informed Machine Learning 方法识别常微分方程，通过两个案例研究，发现了结合数据驱动方法和数值求解器时产生的一些问题，以及数据收集过程的重要性。
PDFa year ago
使用 MicroTVM 在边缘上将机器学习模型部署到 AOT 运行时
本文提出了一种将经过预训练的模型解析为 C 源代码并利用 MicroTVM 在边缘设备上执行的代码生成器。利用普适模块加速器接口（UMA），将特定的计算密集型操作轻松卸载到专用加速器上，而其他操作则在 CPU 核心上进行。最后，作者使用
PDFa year ago
特定数据集分析的案例
数据驱动科学是一种新兴的范例，其中科学发现取决于针对具体学科的丰富数据集执行计算 AI 模型。通过现代机器学习框架，任何人都可以开发和执行计算模型，揭示隐藏在数据中的概念，从而可能支持科学应用。然而，在实际应用中，收集并计算每个可以运行的计
PDF2 years ago
利用人类辅助完成顺序决策任务的最新进展
本文综述了五种最近主要依赖于人类指导的机器学习框架及其动机，假设和实施，并讨论可能的未来研究方向。
PDF3 years ago
Top-KAST: Top-K Always Sparse 训练
本文提出了一种名为 Top-KAST 的方法，在训练时保持网络的稀疏性，避免了传统方法在训练时必须实例化 dense 参数或梯度的缺点，实验结果表明，该方法在 ImageNet 基准测试中表现出色，在语言建模领域也有广阔的应用前景。此外，该
PDF3 years ago
learn2learn: 用于元学习研究的库
该研究介绍了 learn2learn，这是一个针对元学习研究的库，主要解决原型设计和再现性问题，并提供标准化的算法和基准测试接口，以促进元学习研究软件的标准化社区发展。
PDF4 years ago