BriefGPT.xyz
Ask
alpha
关键词
power-law scaling
搜索结果 - 4
利用幂律缩放应对人工智能面临的关键挑战
使用幂律缩放在深度学习中有助于处理当前人工智能应用中的关键挑战,可用于测量训练复杂性和机器学习任务算法的量化层次,并建立数据集大小估计的基准以实现期望的测试准确性。
PDF
2 years ago
神经缩放定律解释
该研究提出了一种理论,解释并连接训练数据集大小和网络参数数量与已训练神经网络的测试损失之间的精确定义的幂律关系,并通过说明数据流形和一些核的频谱之间的等效性来解释了分辨率有限的缩放行为。
PDF
3 years ago
深度学习的扩展是可预测的,实证的
本文采用实证方法针对机器翻译、语言建模、图像处理和语音识别等 4 个机器学习领域的数据,研究训练集大小、模型规模与推广误差之间的关系,结果表明推广误差遵循幂定律缩放,且模型改进只改变误差而不影响幂指数。此外,模型大小随数据规模的增大缩小,这
→
PDF
7 years ago
电子邮件通信重尾现象的泊松解释
通过电子邮件通信的间隔时间,作者估算人类活动的非泊松性与昼夜节律和周律有关,并提出了一个级联的非齐次泊松过程来模拟这样的间隔时间,并证明了该模型能够很好地解释实际数据。
PDF
16 years ago
Prev
Next