meta-dataset | BriefGPT - AI 论文速递

关键词meta-dataset

搜索结果 - 10

一款全面易用的多领域多任务医学影像元数据集（MedIMeta）
通过将机器学习技术与医学图像分析领域相融合，本研究介绍了一种名为医学图像元数据集的新型多领域、多任务元数据集，该元数据集包含 19 个医学成像数据集，涵盖 10 个不同领域和 54 个医学任务，并且采用相同的格式标准化，可在 PyTorch
PDF2 months ago
使用 OpenML 构建集成学习自动化机器学习的高效基准测试
Assembled-OpenML 是一个 Python 工具，可构建元数据集以在 AutoML 框架中使用集成学习技术，从而避免了基础模型的重复训练和评估。
PDFa year ago
快速调整：快速学习如何微调和选择预训练模型
该论文提出了一种方法，联合搜索最佳预训练模型和微调的超参数，建立了一个大规模元数据集，通过元学习方法基于此进行多保真度性能预测器，快速优化新数据集的超参数，最终得到一个精准的预训练模型和其最优超参数。
PDFa year ago
EMNLP长指令摘要：化繁为简的程序综合
通过使用汇总版本来去除大型预训练语言模型中的无关信息，构建元数据集并测试在编程问题上的性能，从而提高了在各种编程问题中的性能表现。
PDF2 years ago
CVPR具有任务特定适配器的跨域少样本学习
该论文提出了一种直接在少量支持集上学习任务特定权重的方法，通过使用残差连接和矩阵形式的参数适配器，能够显著提高最先进的 Meta-Dataset 基准模型的性能。
PDF3 years ago
ACL通过自然语言众包指导实现跨任务的推广
通过理解人类可读的指令来学习新任务的挑战一直是人工智能领域的难题，本文基于自然指令数据集通过使用生成式预训练语言模型对任务特定指令进行编码和输出生成，研究横向任务泛化并发现模型在使用指令时对于未见过的任务泛化更好，但与认为上限还存在显著改进
PDF3 years ago
EMNLP通过集合元调整数据集和提示，为零样本学习调整语言模型
该论文提出了元调谐（meta-tuning）方法，旨在直接针对零样本学习目标对预训练语言模型进行微调，应用于分类任务，并通过聚合 43 个现有的数据集和 441 个标签描述来构建元数据集。实验证明，相比基于自然语言推理的先前 SOTA 零样
PDF3 years ago
Few-Shot 图像分类通用表示变换层
该论文提出了一种称为 Universal Representation Transformer (URT) 的方法，对多域 few-shot 图像分类进行元学习，通过动态重新加权和组合最适合的域特定表示来实现 few-shot 分类，该方法
PDF4 years ago
Meta-Dataset: 从少量示例中学习的数据集
提出了一个名为 Meta-Dataset 的大规模基准数据集，用于训练和评估模型在少样本分类问题上的性能，并探讨模型对不同训练来源的泛化能力和元学习的好处。
PDF5 years ago
NIPS深度先验
本研究探讨使用深度学习工具学习神经网络参数先验分布的可能性，结果表明此方法的变分贝叶斯算法具有很好的泛化能力且可以在元数据集上正确推断出周期信号的泛化结果。
PDF7 years ago