pairwise learning | BriefGPT

关键词pairwise learning

搜索结果 - 8

强化学习中的超参数优化的泛化基于人口的训练
通过引入更灵活、更具体的超参数适应框架 Generalized Population-Based Training 和综合性的 Pairwise Learning 策略，我们的方法在自适应性和计算效率方面显著优于传统的 Population
PDF3 months ago
AAAI带动态平均的核化成对学习的有限内存在线梯度下降
在线梯度下降方法在配对学习中的应用以及引入具有子线性后悔界的轻量级在线梯度下降算法，该算法可适用于线性模型和核配对学习，通过集成随机傅里叶特征有效降低内核计算复杂度，并在离线和在线场景中优于内核和线性算法。
PDF5 months ago
有限内存下降低方差的在线梯度下降法在核化对学习中的应用
在线渐减梯度法是解决涉及训练示例对的损失函数机器学习问题中至关重要的方法之一。本研究提出了一种扩展到核在线成对学习的有限内存在线渐减梯度算法，同时改善亚线性遗憾。通过构建在线渐减梯度与格雷特之间的清晰关系，并使用存储有限数量的最新分层样本构
PDF9 months ago
使用深度 ReLU 网络进行成对学习的最优估计
本文研究深度 ReLU 网络下的成对学习，估计其多余泛化误差。通过成对最小二乘损失函数，取得近乎最优的估计上界。
PDFa year ago
神经网络的逐对学习排名再探：重构、理论分析和实际表现
本文利用一种基于神经网络的成对学习排序方法，即 DirectRanker，展示了它在 RankNet 架构上的泛化能力。经过数学证明，我们的模型具有自反性、反对称性和传递性，从而实现了简化训练和提高的性能。在 LETOR MSLR-WEB1
PDF5 years ago
随机梯度下降对于配对学习的稳定性和优化误差分析
研究了随机梯度下降优化算法在成对学习中稳定性与其与优化误差的权衡，并证明了成对学习的凸性、强凸性和非凸性稳定结果，并由此得出推广区间，同时得到了 SGD 算法的优化误差和预期风险的下限。
PDF5 years ago
COLING序列标注的多任务学习：实证研究
通过研究 11 个序列标注任务中的三种多任务学习方法，我们发现在大约 50% 的情况下，联合学习所有 11 个任务可以改善独立学习或成对学习任务的效果。我们还展示了成对多任务学习可以告诉我们哪些任务可以互惠，哪些任务在联合学习时可以受益。我
PDF6 years ago
具备一般损失函数的非正则化在线学习算法
本文考虑在再生核希尔伯特空间中的非规则化在线学习算法，给出了分类的显式收敛速率以及对于一般损失函数的非规则化成对学习算法的首次收敛性证明和收敛速率。
PDF9 years ago