关键词optimisation techniques
搜索结果 - 8
- 基于 Nyström 近似的可扩展核逻辑回归：理论分析与离散选择建模应用
本研究论文提出了一种基于内核的机器学习技术在大规模数据集上处理离散选择建模时所面临的挑战，通过引入 Nyström 近似方法来解决存储需求和涉及参数数量的问题。研究还评估了不同优化技术在所提出的 Nyström 模型上的效率，并发现 k-m - 多智能体强化学习的张量网络实现
利用张量网络（TN）来表示多智能体增强学习（MARL）任务的预期回报，并通过优化和分解技术提高模型的表达效率。在一个土民随机漫步的示例中，通过 DMRG 技术对策略进行了正确优化，并且还演示了一种精确分解技术，将张量中的元素数量减少了 97 - 用于过程动力学建模目的的自动选择最佳循环神经网络架构
通过演化算法和梯度下降方法，本研究提出了四种算法来寻找人工神经网络结构，用于行为（黑箱）建模特定的动态过程。在研究中，采用了经过优化选择的循环型人工神经网络，优化的目标是在学习的数学模型响应下，平衡神经网络的规模和准确性。并通过数学模型验证 - 我们并不需要亚当，我们只需要夏娃：关于双学习速率的差异和更多内容
通过应用不同的学习速率到梯度的不同组成部分，具有增强速度估计 (EVE) 的新颖方法创新性地优化了深度神经网络，在解决传统单一学习速率方法所面临的挑战上实现了更精细的控制和更快的收敛。此方法利用适应学习环境的动量项，更高效地导航复杂的损失表 - ICCV基于二次幂量化的神经网络能效硬件加速
通过使用二次幂量化和基于位移乘累加运算代替传统的乘累加运算，以及基于对数量化的新型剪枝方法，本文在基于 Zynq UltraScale + MPSoC ZCU104 SoC FPGA 的硬件神经网络加速器中实现了 Power-of-Two - MM自动机器学习的综合框架
这篇综述旨在推广对自动化 / 自主机器学习系统的更广阔视角，并探讨整合各种机制和理论框架的最佳方式。主要介绍超参数优化、多组件模型、神经架构搜索、自动特征工程、元学习、多层集成、动态自适应、多目标评估、资源限制、灵活的用户参与和泛化原则的发 - 深度学习医学图像分割
通过对 ADNI 海马 MRI 数据集进行分割实验，比较了不同的三维海马分割卷积架构的有效性和效率，结果表明，与简单的二维块相比，稍微非传统的 “堆叠的 2D” 方法提供了更好的分类性能，并且不需要额外的计算能力。同样我们也测试了一种流行的 - 用于非常表达性描述逻辑的实用推理
本文介绍了一种算法，能够在考虑一般性概念包含公理和角色层级的情况下，决定具有传递和逆角色以及功能约束的 DL ALC 的可满足性，同时研究了这类 DL 的可决定性的限制，并描述了一系列优化技术，这些技术对于获得具有实际问题良好性能的决策过程