parameter updates | BriefGPT

关键词parameter updates

搜索结果 - 6

MM基于特征的联邦迁移学习：通信效率、鲁棒性和隐私
本文提出了基于特征的联邦迁移学习作为一种新方法，通过将上行负载减少数个数量级，改善通信效率，与现有的联邦学习和联邦迁移学习方法相比具有更好的效果。具体而言，在提出的基于特征的联邦学习中，我们设计了要上传的提取特征和输出，而不是参数更新。对于
PDF2 months ago
利用 James-Stein 估计器控制黑盒变分推断的方差
黑盒变分推断是在使变分推断更 “黑盒” 的最近努力中的一个有前途的框架，但在基本版本中，它要么由于不稳定性而无法收敛，要么在执行前需要调整更新步骤，这使得它不完全通用。我们提出了一种通过将随机梯度上升重新定位为多元估计问题来规范其参数更新的
PDF2 months ago
一种高效的基于顺序神经后验估计的无似然贝叶斯推断方法
SNPE-B 是一种用于模拟为基础模型的顺序神经后验估计技术，本文提出了改进的方法，包括使用自适应校准核的集中损失函数和方差降低技术，以提高数据效率并加快学习过程。实验结果表明，我们的方法在某些任务上表现优于原始方法和其他竞争方法。
PDF8 months ago
预测编码作为神经形态学替代反向传播的关键评估
探讨预测编码 (PC) 算法是否能替代误差反向传播算法 (backpropagation)，研究发现当前 PC 算法的潜在能力受限于时间复杂度较大等问题。
PDFa year ago
CVPR通过多重网格建模和采样学习能量模型作为生成卷积神经网络
本文提出了一种多网格方法，用于学习基于能量的图像生成 ConvNet 模型，展示了其在生成更逼真的图像方面优于原始的对比散度和连续对比散度。
PDF7 years ago
在 BrainScaleS 晶圆尺度系统上训练深度脉冲网络的神经形态硬件闭环
本文介绍了如何利用迭代更新来补偿模拟神经网络在模拟硬件中出现的异常，并展示了在 BrainScaleS 芯片上优化后的脉冲神经网络，使计算性能得到提高。同时，利用记录硬件网络活动并通过反向传播在软件上计算参数更新的方式，仅经过几十次迭代，该
PDF7 years ago