neural network models | BriefGPT

关键词neural network models

搜索结果 - 252

比特币价格预测的比较研究
本研究探讨了使用神经网络模型，即 LSTMs 和 GRUs，预测比特币价格的潜力。利用五折交叉验证来提高泛化能力，采用 L2 正则化来减少过拟合和噪声。研究结果表明，相较于 LSTMs 模型，GRUs 模型在预测比特币价格方面具有更高的准确
PDF7 days ago
使用循环神经网络进行音乐情感预测
本研究探讨了应用循环神经网络识别音乐中传达的情感，旨在通过将音乐调整到适合听众的情感状态，增强音乐推荐系统并支持治疗干预。我们使用 Russell 的情感象限将音乐分类为四个不同的情感区域，并开发了能够准确预测这些类别的模型。我们的方法涉及
PDF10 days ago
NOVA: 基于片上网络的向量单元，用于在 CNN 加速器上映射注意力层
本研究介绍了 NOVA，一种基于 NoC 的向量单元，可以在加速器的 NoC 中执行非线性操作，并能覆盖现有的神经加速器，以在边缘计算中映射注意力层。我们的结果表明，当运行现有的基于注意力的神经网络时，NOVA 体系结构比最先进的硬件逼近器
PDF13 days ago
用 Autograd 建模测试统计量的抽样分布
基于模拟的推断方法需要准确建模 p 值函数或测试统计量的累积分布函数，通过使用神经网络模型近似采样分布以建模一维条件采样分布，从而提供可行的概率密度比方法的替代方案。
PDF17 days ago
PAODING: 一个用于去膨胀预训练神经网络的高保真无数据修剪工具包
PAODING 是一个通过数据无关修剪来精简预训练神经网络模型的工具包，采用迭代过程动态地衡量删除神经元的影响以识别对输出层影响最小的候选项，评估表明 PAODING 可以显著减小模型大小，适用于不同的数据集和模型，并同时在测试准确度和对抗
PDF20 days ago
基于生成模型的强化学习与紧凑支持集
使用强化学习作为对基础模型的控制的框架，通过生成小而专注的合成支持集来增强神经网络模型在真实数据分类任务上的性能，而无需额外的标记或数据成本。
PDF25 days ago
适应时间：自然为何演化出多样的神经元
通过改变丰富的时间参数，如时间常数和延迟，我们展示了网络在处理具有时间结构的任务时更加轻松和稳健的能力，并且在处理输入和权重中的噪声时，调整时间参数的优势将在神经形态学硬件设计中发挥作用。
PDFa month ago
用神经网络预测 StackOverflow 上的问题质量
本文评估了神经网络模型以预测 Stack Overflow 上问题的质量，结果表明与基准机器学习模型相比，神经网络模型具有更高的准确性，并且发现神经网络模型的层数对其性能有显著影响。
PDFa month ago
通过折叠数据流形中的特征维度，衡量神经网络的特征依赖性
通过在数据流形内的特征维度上进行数据点移动，从而在受到影响的测试数据集上观察模型性能的变化，以测量神经网络模型的特征依赖性，并在合成图像数据、阿尔茨海默病预测和细胞核分类任务上测试了该方法。
PDFa month ago
基于 X 射线的科学应用的网络架构搜索
使用深度神经网络自动调优设计的 BraggNN 和 PtychoNN 模型，在 X 射线和电子衍射显微镜中，提升了布拉格峰检测和斑图重构性能，达到了 31.03％和 16.77％的准确度提升，模型尺寸分别减小了 87.57％和 12.82％
PDFa month ago
基于应用数据集特征的轻量级分类难度度量
通过提出的分类困难度度量方法，可以在进行一次模型家族的训练和测试后，通过比较难度度量来预测不同数据集和相同家族模型的相对性能，为小型数据集选择计算效率高的模型比重复训练和测试快 6 至 29 倍。
PDFa month ago
大规模 $μ$ 转让的探索
大型神经网络模型的初始化和学习速率通常基于启发式方法，本研究通过对普遍存在的 Transformer 架构进行实证研究，探究 µP（µ-Parameterization）是否在实践中能够提供最佳的学习速率，并发现在大多数重要情况下 µ-Tr
PDFa month ago
Hawk：使用安全查找表计算的精确且快速的隐私保护机器学习
训练具有多个实体的机器学习模型，并且在没有直接数据共享的情况下，可以解决由于业务、法律或道德限制而受阻的应用。本文设计和实施了新的隐私保护机器学习协议，用于逻辑回归和神经网络模型。我们采用了两个服务器模型，在数据所有者之间进行数据密钥共享，
PDF2 months ago
通过贝叶斯推断缩小模拟与实际之间的差距
利用 SIM-FSVGD 学习机器人动力学，通过 simulators 对神经网络模型的训练进行正则化，实现准确的平均模型估计和精确的不确定性量化。在高性能 RC 赛车系统上实验表明，SIM-FSVGD 在缩小仿真与实际之间的差距和使用更少
PDF2 months ago
人类和机器的功能组合学习
在研究中，我们通过探索人类和神经网络模型在学习和推理组合函数方面的能力，发现人类能够在不同的交互条件下对视觉函数组合进行零样本泛化，比较同一任务中的神经网络模型发现，通过元学习组合性（MLC）方法，标准序列到序列的转换器能够模仿人类在函数组
PDF2 months ago
利用粒子群与蚁群优化进行神经架构搜索
使用 OpenNAS 开源工具结合粒子群优化和蚁群优化算法进行神经网络模型的训练和优化，实验证明粒子群优化算法（PSO）在生成更高模型准确度方面的表现优于蚁群优化算法（ACO），尤其在复杂数据集上效果显著，同时也评估了微调预训练模型的性能作
PDF2 months ago
基于低成本代理的混合精度自适应量化
该论文提出了一种名为 LCPAQ 的新型模型量化方法，其中包含三个关键模块。在考虑硬件限制的基础上设计了硬件感知模块，开发了自适应混合精度量化模块来评估量化灵敏度，并使用希狄矩阵和 Pareto 边界技术进行整数线性规划来微调不同层的量化。
PDF3 months ago
基于随机逼近的联邦机器学习方法
本论文研究了在随机逼近框架中的联邦学习（FL）。FL 是一种协作方式，可以在各个参与方或客户端之间训练神经网络模型，而不需要将它们的数据集中。每个客户端将在其相应数据上训练模型，并定期将权重发送至服务器进行聚合。服务器聚合这些权重，由客户端
PDF3 months ago
图卷积神经网络模型下演化过程的不确定性量化
神经网络模型在科学机器学习任务中的应用近年来已大量增加。尤其是，在建模具有时空复杂性的过程方面，神经网络模型表现出色。然而，这些高度参数化的模型在产生与感兴趣的区域保持定量化误差界限方面引起了怀疑。因此，有必要寻找适用于神经网络的不确定性量
PDF3 months ago
基于 Transformer 的异常检测模型研究与应用：文献综述
这篇论文是关于基于 Transformer 的异常检测的综述，探讨了当前的挑战、Transformer 及其变种在异常检测中的原理、应用场景、数据集和评估指标，并对未来的研究趋势进行了全面分析。这是首篇集中研究 Transformer 在异
PDF3 months ago