- 使用 8 位浮点数训练深度神经网络
本文介绍了使用较低的精度来训练深度神经网络的成功实践,通过引入基于块的操作和浮点随机取整等技术,成功地实现了在 8 位浮点数下对多种深度学习模型和数据集进行了精确的训练。这些新技术为新一代硬件训练平台奠定了基础,并具有提高 2-4 倍吞吐量 - 带自回归网络阶段的行人检测
本研究提出了一种利用级联阶段设计的自回归行人检测框架,其中采用了轻量级堆叠式解码器 - 编码器模块,使用卷积重采样层来提高特征,并保持高效的内存和运行时成本。此框架在区域提议网络中设计,相较于独立处理的 RoI 系统,保留了更大的附近检测范 - NIPS降维存在可衡量的不完美:两种几何界限
本文从定量拓扑学的角度研究信息检索中的降维映射,证明了连续映射的精确度不可能同时达到最高,进一步证明了 Lipschitz 连续映射的精确度具有上限,并提出了一种基于 Wasserstein 距离的新度量方法。
- 扩展 D-Wave 以支持更高精度系数
该论文描述了一种扩展 D-Wave 的功能,以解决需要高精度系数支持的问题。
- MM基于 FPGA 的可变精度 LSTM 网络的库扩展与设计权衡分析
本文系统地探索了双向长短期记忆神经网络(BiLSTM)的精度设计空间,包括硬件感知的训练流、FPGA 的资源成本、功耗和吞吐量可扩展性等,提供了第一个用于 LSTM 图层参数化硬件体系结构的开源 HLS 库扩展,并基于该库设计了一个针对光学 - 无需算术的黑盒量子状态制备
本研究提出了一种无需算术运算的新算法,旨在实现黑盒量子状态的准备,相比之前的最佳方法减少了 286-374 倍的门数量,适用于高精度模拟物理的情况,提高了量子模拟的逼真度。
- 深度卷积网络的量化优化:一篇白皮书
本文概述了卷积神经网络量化技术,研究发现通过对权重和激活进行逐通道和逐层量化,即使在不支持 8 位运算的情况下,将权重量化为 8 位可以将模型大小降低 4 倍,并且分类的准确率可以达到浮点型卷积神经网络的 98%。作者介绍了针对 CPU 和 - NIPS信任分类器与否
提出了一种名为 “信任得分” 的新型得分,它度量了分类器和在测试示例上修改后的最近邻分类器之间的一致性,证明了高(低)信任得分可产生出人意料的高(低)正确分类的精确度,同时优于分类器的置信度得分以及许多其他的基准方法,并且在一定的分布假设下 - 模拟非稀疏哈密顿量的量子算法
文中提出了一种基于量子随机存取存储器(qRAM)的算法,可以模拟不一定稀疏的哈密顿量动力学,并通过一种线性组合的量子行走实现了多项式对数精度,最后证明了该算法可以作为一个单元实现子程序,同时实现量子线性系统求解器,对于两种应用都具有 Θ(√ - 时间序列的精确度和召回率
本研究提出了一种新的数学模型,用于评估时间序列分类算法的准确性,并将经典异常检测方法扩展到处理基于时间范围的异常,同时支持领域特定的定制化需求。
- 鲁棒指纹细节提取器:深度网络和指纹领域知识的集成
提出了一种名为 MinutiaeNet 的全自动细节提取器,基于深度神经网络,采用紧凑特征表示,用于快速比较细节集。使用指纹领域知识和深度网络的结合,改善了细节检测的准确性,实验结果表明,MinutiaeNet 对 NIST SD27 和 - 机器人手术自主性
自主手术涉及让机器人自主执行手术任务,具有提高精度、利用生物信号进行干预护理、提高手术效率和指导的优点。但是,这些方法可能取代一些手术团队和单个外科医生的任务,同时也带来了新的干预能力。本章节概述商业和研究中机器人自主性的现状,并介绍了开发 - 利用生成对抗网络加速科学:3D 多层量热器中粒子阵列的应用
介绍了一种基于深度神经网络的准确,快速的电磁量能器模拟方法,可以快速生成大量实验数据,突破了现有算法和计算资源难以满足需求的问题,为探索物理学新领域提供了可能。
- 利用背景与限制条件改善对人口贩卖网页的地理标记
该论文使用整数线性规划模型,结合上下文、限制条件和开放的地理名称知识库来提高人口贩卖定位标记的精度和 F - 度量。实验结果表明,相比于基于机器学习的基线,该框架可提高 28.57%的精度和 36.9%的 F - 度量。这种方法已被广泛应用 - 基于众包知识的代码搜索查询扩展
利用众包知识的查询扩展方法,结合 Rocchio 模型提出了一种技术 (QECK Rochhio),能够有效地提高代码搜索效率,实验结果显示此方法的准确率和 NDCG 在三个代码搜索算法中分别提高了 64%和 35%,而与最先进的查询扩展方 - 医学关系提取的众包真实性数据
使用 CrowdTruth 方法通过众包获得医疗关系提取的注释数据集,并通过建模歧义性提高数据质量并减少成本,展示了在人类和机器性能方面均考虑歧义性时的加权测量精度、召回率和 F 度量的优势。
- ACL应用于学习语义映射的 100% 精度无异议预测
介绍了一种新的方法来实现语义分析的『一致性原则』,只有当所有跟训练数据一致的模型预测相同时才进行预测,通过其中两个模型的检查理论证明准确率可以达到 100%, 实验证明这种方法在标准的语义分析数据集上可以取得良好结果。
- 基于隐马尔可夫模型的社交媒体英文文本实体抽取系统(FIRE 2015)
本文研究使用三元隐马尔科夫模型开发工具进行实体提取,基于统计学的 HMM 模型在印度语言的社交媒体文本中表现最佳,其中英文的精度为 61.96%。
- MM用卷积神经网络进行非最大值抑制
本研究旨在系统地解决非极大值抑制(NMS)的问题,提出了利用卷积神经网络执行给定众多检测结果的 NMS 方法,摆脱贪心 NMS 的固有限制并获得更好的检出率和精度。
- IJCAI基于模式结构的推荐算法 RAPS
该论文提出了一种新的推荐算法,基于 Pattern Structures,比较了该算法和基于物品的 Slope One 算法在 Movie Lens 数据集上的准确率和召回率等指标,结果表明 RAPS 在质量方面表现最佳或与之可比。