parameter tuning | BriefGPT

关键词parameter tuning

搜索结果 - 31

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
COLING使用 J-K 折交叉验证在微调 NLP 模型时降低方差
本研究介绍了一种比 K 折交叉验证更少变异的 J-K 折交叉验证方法，用于评估自然语言处理任务中机器学习模型的性能和参数调整，探讨了如何选择 J 和 K 的问题以及该方法的应用于情感分类、词性标注和文档分类等不同领域的案例表现。
PDF6 years ago
基于深度强化学习的优化迭代 CT 重建中的智能参数调整
本文提出了一种使用深度强化学习来自动调整像素区域参数，以解决图像处理中优化的问题，实验表明，该方法可以让调优后的重建 CT 图像质量达到手动调整的水平甚至更好。
PDF7 years ago
AAAI基于模型算法配置的热启动
提出一种基于预测模型的算法配置方法，利用算法在先前基准测试的性能信息来对新类型的基准测试进行热启动配置，实验证明相较于现有的算法配置方法，该方法在优化硬组合问题求解器时可大幅提升速度（最高可达 165 倍），同时可以在相同的计算预算下找到更
PDF7 years ago
KDD推广随机森林参数优化以包括稳定性和成本
该论文提出一种基于贝叶斯优化的多准则优化框架，以平衡 “随机森林” 分类和回归模型的错误率、预测的稳定性和计算成本。作者表示，在实际应用中，通过优化错误率来选择最优参数的方法可能会引入不必要的成本，而使用该框架可得到不同于错误率优化的参数设
PDF7 years ago
NIPS马尔科夫链提升和分布式 ADMM
通过 lifting 操作，对于一类二次目标函数，分布式 ADMM 算法可以被看作梯度下降算法的 lifting，从而提高其稳态收敛速度并得到最优参数调整。我们猜测这个增益总是存在的，而不像马尔科夫链一样有时只提供微弱加速。
PDF7 years ago
NIPS应用非线性谱方法全局最优训练广义多项式神经网络
本研究提出了一种非线性谱方法用于全局优化某类前馈神经网络，在弱数据假设下可以实现全局最优解，而不需要手动参数调整，这是首个实际可行的具有全局最优性保证的方法。
PDF8 years ago
EMNLP基于短语的机器翻译是自动语法错误修正的最先进技术
本研究通过在 Moses tuning framework 中应用 M^2 作为打分标准来研究自动语法纠错（GEC）任务的参数调整，发现对于纠错的稀疏特征进行优化时存在奇怪的行为，并提出了部分解决方案。最终在 CoNLL-2014 测试集上
PDF8 years ago
具有安全约束的贝叶斯优化：机器人中的安全自动参数调整
该论文提出一种基于安全约束的 Bayesian 优化算法，通过高斯过程先验和上下文变量，在保证安全的前提下实现对机器人算法参数的快速优化。
PDF8 years ago
IJCAI增量学习的快速交叉验证
本文提出了一种通用的基于增量学习算法的交叉验证 (Cross-validation) 的性能估计方法，并通过实验表明其在减少计算负担，以及对数据规模扩展和分布式实现上均具有良好的性能。
PDF9 years ago
模型搜索科学化
本研究提出了一种元模型方法，支持自动化超参数优化，以取代手动调试，实现易复制和公正的优化过程，并在三个不同的计算机视觉问题上获得了最新的结果。
PDF12 years ago