- 神经结构搜索的添加正则化调度
神经网络结构、神经架构搜索、正则化器、优化过程和计算实验在研究论文中探讨了神经网络结构优化问题,并通过对一组数据集中正则化和非正则化模型的比较,证明了所提出的方法找到了高效且精确的低复杂度神经网络结构。
- 模糊均值偏移的收敛性分析
该研究分析了模糊均值漂移(BMS)算法作为优化过程的收敛性质,并提供了即使数据点序列收敛到多个点,产生多个聚类的收敛保证,同时还利用了收敛点的几何特征来展示 BMS 算法的快速收敛。
- 物理感知多层次贝叶斯优化:通用公式
该研究论文介绍了一种物理感知多保真贝叶斯优化方法,通过在优化过程中嵌入领域认知形式,有效地提高了多查询优化问题的计算效率。
- 逐阶层小波优化细化扩散模型在稀疏视角 CT 重建中的应用
一项名为 SWORD(Stage-by-stage Wavelet Optimization Refinement Diffusion)模型的创新性方法被提出,用于稀疏视图 CT 重建。该方法结合了低频和高频生成模型,通过优化过程实现解决方 - 核数字孪生中适应性约束下的最佳传感器放置
本研究开发了一种数据驱动的传感器放置优化技术,以在给定的空间限制内最小化重构误差,以用于核工业的数字双证通信。
- EMNLP利用 Fisher Mask 提高锐度感知极小化在语言模型上的泛化性能
本文提出了一种新的优化方法 FSAM,它通过引入 Fisher 掩码来改善 SAM 方法的效率和性能,它利用 Fisher 信息识别重要参数以进行稀疏扰动,并在各种任务中展示出更好的效果,尤其是在有限的训练数据上。 FSAM 可以在四种不同 - ECCV又一种中等级攻击
本文提出了一种通过建立中间层次的线性映射以增强基线对抗样本的黑盒可迁移性的方法,实现了在 CIFAR-100 和 ImageNet 上的实验验证以及比之前的最新技术表现强大。
- 多源域自适应领域聚合网络
本研究利用多个源数据集来学习针对不同但相关的目标数据集的模型,并且提出了一种理论上有依据的优化程序。通过有效地调整每个源域的权重,所提出的算法可以在情感分析和数字识别等数据集上显著优于现有的最先进方法。
- 具有可训练路由程序的广义胶囊网络
本文提出了一种名为 G-CapsNet 的改进版 CapsNet 网络结构,将路由过程嵌入到卷积神经网络的优化过程中,使得耦合系数完全可训练,该网络在 MNIST 数据集上取得了类似于原论文中的性能,并测试了堆叠多个胶囊层的可能性。
- ECCV细粒度视觉分类的成对混淆
通过引入 Pairwise Confusion 来优化 Fine-Grained Visual Classification 任务的模型训练,减少过拟合和提高分类和定位效果。
- 机器人中心场景中的多类型活动识别
本文提出了一种方法,可以检测和识别不同类型的行为,并用全新的 RHI 描述符进行了演示,并应用于新的机器人数据集,并与多个基线进行了比较。
- NIPS优化蒙特卡洛方法:高效且极易并行的基于似然无关推断
本文提出了一种任意时间的臭名昭著的并行蒙特卡洛方法,适用于无法计算似然函数的模型。该算法采用优化程序,以最小化模拟器总结统计和数据的距离。通过采用先验和雅各比重估这些样本的权重,以蒙特卡洛估计的方式来表示后验分布。
- 基于弱监督嵌入模型的开放式问答
本文提出一种基于向量特征表示的问题回答方法,使用弱监督资源训练,并结合了优化过的随机梯度下降和微调步骤,实现了在基于弱标注数据下,对知识库回答表现的显著提升。
- 结构化稀疏主成分分析
通过结构化稀疏主成分分析(Structured Sparse PCA)来处理数据,该方法通过拟定稀疏模式形状约束所有字典元素的稀疏性形状以实现对数据的高阶信息编码,提出了一种有效而简单的优化过程来解决这个问题,并在人脸识别和蛋白质复合物动态