parameter tuning | BriefGPT

关键词parameter tuning

搜索结果 - 30

DynaSeg：一个融合特征相似性和空间连续性的无监督图像分割的深度动态融合方法
我们的工作解决了计算机视觉中图像分割的基本挑战，提出了一种增强的无监督卷积神经网络算法 DynaSeg，通过自动化参数调整来灵活适应图像细节，并通过引入 Silhouette Score Phase 解决了动态聚类的挑战，同时整合了 CNN
PDF2 months ago
大型语言模型探索多样化设计解决方案的能力
通过调整参数和不同的提示工程技术，探索大型语言模型在生成多样化设计方案方面的有效性，并通过比较多个参数和提示工程方法的组合，以及使用相同多样性指标与人工设计方案进行比较，结果表明人类生成的解决方案在所有设计主题上始终有更高的多样性评分。
PDF2 months ago
TIMIT 说话人特征分析：多任务学习与单任务学习方法的比较
本研究采用深度学习技术在 TIMIT 数据集上探索了四个说话人特征分析任务，分别为性别分类、口音分类、年龄估计和说话人识别，突出了多任务学习与单任务模型之间的潜力和挑战。该研究旨在经验性地评估在说话人特征分析领域中，多任务学习相对于单任务模
PDF3 months ago
线性非高斯有向无环模型的最短路径问题重新定义：成对似然比、先验知识和路径枚举
利用改进的 LiNGAM-SPP 框架，通过消除参数调整的需求和利用图搜索方法，提高因果发现算法的实用性和性能。
PDF3 months ago
预处理的重要性：一种用于 WSI 分类的片段搜索方法
经过预处理，全幻灯片图像对分类性能有影响，我们的研究通过分析单领域和多领域数据集上预处理参数对推断和训练的影响，并提出了一种新的基于相似性的模拟退火方法来快速调整参数以提高单领域数据的推断性能，从而在该领域的准确性从 0.512 提高到 0
PDF3 months ago
通过贝叶斯优化学习模型预测控制参数实现电池快速充电
通过贝叶斯优化方法，针对模型预测控制中的参数调整问题，提出一种直接优化学习控制器参数的方法，以提高闭环性能。该方法在锂离子电池快速充电系统中应用，实现了安全充电和最大化闭环性能的目标。
PDF3 months ago
基于可学习时延线的可微反馈延迟网络的数据驱动房间声学建模
我们提出了一种基于可微分的反馈延迟网络 (FDN) 的参数寻找方法，通过反向传播同时学习每个延迟网络参数，以使其输出呈现出测量的房间脉冲响应的感知特性。通过实验证明，该方法能够产生时间不变和频率无关的 FDN，能够与所需的声学特性紧密匹配，
PDF3 months ago
LiveTune: 动态参数调整用于深度神经网络训练
通过存储参数在系统的指定端口上并允许动态调整，我们提出了一个新的框架 LiveTune，允许在训练过程中实时调整参数，从而提供持续的训练会话。通过对我们的框架进行广泛评估，我们发现每次超参数改变可以节省高达 60 秒和 5.4 千焦的能量。
PDF7 months ago
自然灵感算法参数调优方法综述
大多数优化算法都具有与算法相关的参数，其参数值的设置可以在很大程度上影响所考虑算法的行为。因此，应进行适当的参数调优，以确保用于优化的算法能够表现良好，并且能够足够强大地解决不同类型的优化问题。本文回顾了一些参数调优的主要方法，然后强调了关
PDF10 months ago
IJCAI在贝叶斯网络中找到一个 $ε$- 接近的参数变化
本文提出了一种基于 “区域验证” 技术的算法，旨在解决贝叶斯网络中的 ε- 接近参数调整问题，通过修改条件概率表中的概率值来满足定量限制，并且对包括具有多个 CPT 参数和不同 CPT 之间的参数依赖关系的极少接受关注的参数化 BN 子类进
PDFa year ago
树形 Parzen 估计器：理解算法组件及其作用，以提高实证表现
该研究提出使用树形 Parzen 估计器进行贝叶斯优化的超参数优化，对各种控制参数进行评估，推荐的设置可提高优化性能，并可从所提出的教程中获得更多信息。
PDFa year ago
EMNLPPALT: 轻量化参数的语言模型传递在知识图谱完成中的应用
该论文提出了一种参数轻量级的迁移学习方法，使用预训练语言模型进行知识图谱补全，在固定几个新参数的同时保持原来的语言模型不变，通过在原始 LM 之上引入一个参数轻量级编码器来建立模型，实现 KG 补全任务。实验表明，通过调整比微调更少的参数，
PDF2 years ago
GMP*：精心调整的逐步量化剪枝可优于绝大多数 BERT 剪枝方法
本文重新考察了经典的逐渐减少幅度修剪（GMP）算法在大型语言模型，特别是 BERT 基准测试上的表现，发现一个简单通用的变量 GMP * 可以与更复杂的最新方法匹配或甚至超过其表现，结果为未来工作提供了简单但强大的基线。
PDF2 years ago
混合整数线性规划中的自适应削减选择
本文研究了一种基于参数调整的混合整数线性规划问题的解法。通过设计一种基于图卷积神经网络和强化学习的自适应割集选择算法，我们证明此算法在实验中取得了优秀性能。
PDF2 years ago
一模型服务全部：用于多领域 CTR 预测的 Star 拓扑自适应推荐器
本文提出了一种名为 STAR 的方法，它是一种推荐系统，旨在解决多领域环境下 CTR 预测的问题，应用于阿里巴巴公司的广告系统中，并实现了 8.0％的 CTR 改善和 6.0％的 RPM。
PDF3 years ago
Amharic 词性标注的机器学习方法
提高阿姆哈拉语的词性标注性能，本文介绍了使用形态学知识、扩展已有标注数据、特征提取、参数调整和标注算法等方法，对比以往工作，明显的提高了词性标注性能。
PDF4 years ago
学习凸优化控制策略
本文介绍了一种利用凸优化控制策略的近似梯度来自动调节优化问题参数的方法，并在多个案例中进行了演示。
PDF5 years ago
MM大规模自优化软件的参数调整
本文探讨了自优化系统的优化策略，比如选择精确求解器还是近似求解器，针对问题规模、优化约束等因素来权衡精度和效率，以解决软件选择和硬件映射问题，并提出了一个用于参数调优的软件产品线。
PDF5 years ago
参数化图像运算符的通用解耦学习框架
本文提出了一种基于分离学习的算法，通过学习运算符参数动态调整基本网络的权重来逼近和改进传统的图像算子，并成功应用于许多传统的参数化图像算子，可进一步扩展以动态更改基本网络的单个层的权重以加速参数调整。
PDF5 years ago
ANN-Benchmarks：一种用于近似最近邻算法基准测试的工具
本文介绍了 ANN-Benchmarks，这是一种用于评估内存中近似最近邻算法的性能的工具，它提供了一个标准接口来测量不同标准数据集上最近邻算法的性能和质量，并支持多种不同方式的 k-NN 算法集成，其配置系统自动测试每个算法的一系列参数设
PDF6 years ago