neural network architectures | BriefGPT

关键词neural network architectures

搜索结果 - 163

稀疏激活下的神经网络学习
许多成功的神经网络结构中的核心组件是一个具有非线性激活函数的两个全连接层的 MLP 块。我们在本文中对展示出激活稀疏性的 MLP 层的 PAC 可学习性进行了形式化研究，并呈现了多种实验结果，表明这类函数相对于非稀疏的对应物具有计算和统计上
PDF6 days ago
基于心电图的死亡风险预测基准测试
研究使用大型医院拥有的心电图数据库来建模和预测患者死亡率，通过与两种神经网络架构比较四种深度存活建模方法以及在一到十年内的绩效评估，结果表明 AUROC 和协调性得分与以往工作相当（约 0.8），考虑到与死亡率相关的心电图样本的比例（MIM
PDF8 days ago
IJCAI迈向归纳偏差的精确计算
我们提出了一种计算归纳偏差的新方法，该方法涉及对来自假设空间的随机假设的损失分布进行建模，以估计相对于这些假设需要的归纳偏差，从而提供了一种信息理论解释特定模型架构对特定任务的好处的度量，并为开发需要更大归纳偏差的任务提供了定量指导，从而鼓
PDF10 days ago
Younger: 首个用于人工智能生成的神经网络架构的数据集
从超过 174K 个真实世界模型中获取的 Younger 数据集，其中包括 7,629 个唯一的网络结构，通过提供全局和局部的设计模式，推动了人工智能生成神经网络架构的新领域发展，并作为基准数据集进一步发展图神经网络的研究。
PDF12 days ago
LeYOLO，用于目标检测的新型可扩展高效 CNN 架构
基于 FLOP 的高效目标检测计算的神经网络架构设计选择和优化方法，LeYOLO 提供了在不同资源限制下性能优越的计算负载和准确率比例。
PDF12 days ago
卷积科尔莫哥洛夫 - 阿诺德网络
这篇论文提出了卷积科尔莫戈洛夫 - 阿诺德网络（Convolutional KANs），这是标准卷积神经网络（CNN）的一种创新替代方法，我们将科尔莫戈洛夫 - 阿诺德网络（KANs）中的非线性激活函数集成到卷积中，构建出一个新的层。我们在
PDF13 days ago
基于混沌 Chua 电路的新型储备计算核心及其在后量子密码学中的应用研究
本研究旨在基于混沌 Chua 电路开发一种新的储层计算机实现。该实现被应用于后量子密码学，研究并评估了其适用性。研究结果表明，Chua 基础的储层计算机在当前文献基准下具有低误差，但在解决后量子密码学中高非线性问题方面不足够复杂。未来的研究
PDF14 days ago
基于动态（图）神经网络的规则学习
通过将规则函数从知识中生成并使用这些规则定义基于规则的层，我们提出了一种解决经典神经网络体系结构中难以自然整合额外信息或专家知识进入学习过程的问题的两步方法。我们的研究重点是第二步，即基于规则的层，它们旨在根据输入样本动态地安排可学习参数在
PDF18 days ago
智能多视图测试时间增强
通过智能测试时间增强 (TTA) 算法，在视角变化的情况下提高图像分类模型的稳健性和准确性，该方法根据预测不确定性指标智能选择最佳增强方法，并通过两个阶段的过程来实现该选择，实验验证证明这种方法可以在多个数据集和神经网络架构上获得平均准确率
PDF20 days ago
遥感图像中贫民窟映射的深度学习：元分析与综述
研究以 2014 年至 2024 年间的遥感影像为基础的贫民窟绘图，重点关注深度学习方法，展示了越来越复杂的神经网络结构、数据预处理和模型训练技术的进步，以显著提高贫民窟识别精确度，评估了在全球不同地理环境中有效的关键方法，并提出了克服数据
PDF20 days ago
无标签条件下适应分布偏移的适应性符合性预测
通过两种新方法 ECP 和 EACP，根据基模型在未标记测试数据上的不确定性调整 CP 中的评分函数，从而仅使用测试域中的未标记数据改进 CP 生成的预测集的质量。通过对许多大规模数据集和神经网络架构进行广泛实验，我们展示了我们的方法相对于
PDFa month ago
通过 Rockafellian Relaxation 减轻训练中标记错误的影响
通过 Rockafellian Relaxation（RR）方法，研究证明可以增强传统神经网络方法，实现在计算机视觉和自然语言处理（情感分析）等分类任务中的鲁棒性能，从而减轻由数据标记错误和 / 或对抗扰动引起的数据污染的影响。
PDFa month ago
神经参数的对称性或不对称性的实证影响
对深度学习中的参数对称性进行了实证研究，通过引入具有降低参数对称性的新型神经网络架构，采用两种可证明保证的方法对标准神经网络进行改进，进行了多任务的全面实验研究，发现参数对称性对模型的影响，包括线性模式连接性和贝叶斯神经网络训练速度和效果的
PDFa month ago
通过捕捉极端激活来减轻对于外部分布检测中的过度自信
通过测量神经网络次最后一层的极端激活值并利用这一特征改进各种 OOD 检测基线，我们解决了模型 “过度自信” 现象造成的 OOD 检测问题，在各类实验中得到了显著提升，不损害任何场景的性能。
PDFa month ago
外币时间序列预测的现成神经网络架构的成本
本研究旨在比较不同的长短期记忆（LSTM）神经网络结构和专门用于外汇市场预测的 ANN 架构之间的性能和资源需求，包括模型的执行时间、内存和计算资源消耗。我们的目标是证明专门的架构在外汇市场预测方面不仅能够取得更好的结果，而且在资源消耗和执
PDFa month ago
短期 FOREX 预测的神经网络架构比较分析
设计和实施的 LSTM 神经网络与基于技术分析指标模拟器的 ANN 自定义架构进行了比较分析，并得出了有关每个架构的适用性以及实施所需的时间和计算资源成本的有价值结论。ANN 自定义架构以更高的敏感度、更少的资源和更少的时间产生了更好的预测
PDF2 months ago
利用深度神经网络从食物图像中进行多任务营养预测的研究
该论文通过利用各种神经网络结构来预测餐食图像的营养含量，提高了膳食摄入估计的效力，并展示了其在改善膳食摄入估计准确性方面的潜力。
PDF2 months ago
基于切比雪夫多项式的科尔莫哥洛夫－阿诺德网络：一种用于非线性函数逼近的高效架构
基于 Chebyshev 多项式的 Chebyshev Kolmogorov-Arnold 网络（Chebyshev KAN）是一种新颖的方法，结合了 Kolmogorov-Arnold 定理的理论基础和 Chebyshev 多项式的强大逼
PDF2 months ago
ADLDA：减少数据增强中数据分布转移的方法
本研究介绍了一种新的数据增强技术 ADLDA，旨在减轻计算机视觉任务中数据分布转变对数据增强过程造成的负面影响。ADLDA 将增强数据划分为不同子域，并结合领域适应技术，通过优化模型特征空间中的数据表示来提高模型性能。实验结果表明，ADLD
PDF2 months ago
基于人工智能的 Webshell 检测模型的研究与应用：文献综述
通过对 AI-based webshell 检测领域的发展历程进行归纳总结，本文详细阐述了各个阶段的特点、核心算法和领域内仍存在的问题与挑战，同时对未来的发展趋势进行了预测。
PDF2 months ago