reusability | BriefGPT - AI 论文速递

关键词reusability

搜索结果 - 8

LoCUS：从姿态图像学习多尺度三维一致特征
自主机器人的关键挑战是在遮挡、未曾见过的视角和长时间跨度中，维持对世界的空间和时间一致的模型。研究探索如何在无监督情况下训练一种多用途的神经表示。通过构建精心筛选的检索集，并调整空间容限来平衡检索和可重用性，优化检索结果的平均精度，并选择具
PDF9 months ago
提高预训练语言模型的泛化能力
预训练语言模型 (PLMs) 的可重用性常受到其泛化问题的限制，该问题表现为在评估与训练数据集不同的示例时，性能显著下降，被称为离群 / 未知示例。本文提出了一种名为 Mask-tuning 的训练方法，通过将掩码语言建模 (MLM) 训练
PDFa year ago
CLAIMED—— 用于快速科学研究加速发现的开源粗粒度算子构建框架
科学家们往往在进行数据处理之后将其发表，然而，由于缺乏标准，重新运行和验证实验通常很困难。因此，提出了 CLAIMED 框架，它支持科学家从先前的工作中汲取经验，通过重新组合来自现有库的大粒度科学操作构建可重用的操作和可伸缩的科学工作流。
PDFa year ago
遗传算法的 FAIRy 故事
本文提出了扩展的 FAIR 数据原则以增强遗传算法的可再现性和可重用性，并使用轻量级 RDF 格式的词汇表来促进此目的。通过遗传算法作为示例，阐述了算法方法发展和变种对于算法复现的挑战。此工作可以扩展到多种优化和机器学习算法。
PDFa year ago
通过模型再造重复使用深度神经网络模型
SeaM 是一种改进现有 DNN 模型可重用性的工具，它使用基于梯度的搜索方法搜索模型的相关权重，从而重建模型以仅保留与目标问题相关的权重，并且相较于原始模型，在分类准确性上提高了 5.85％，并且重复使用重建模型时缺陷继承平均减少了 57
PDFa year ago
将递归神经网络分解为模块以实现可重用性和替代性
本文提出了一种将循环神经网络分解为模块化的方法，可以解决现有神经网络模型的缺陷，并且可以在不需要从头开始训练模型的情况下重用和替换这些模块，该方法通过 5 个标准数据集的评估发现，其准确率的下降仅为 0.6％而 BLEU 得分上升了 0.1
PDF2 years ago
MM一个 FAIR 和 AI-ready 的 Higgs 粒子衰变数据集
本篇文章提供了一个无领域的、分步骤的评估指南，以评估一个给定的数据集是否符合数据和人工智能模型的可发现性、可访问性、互操作性和可重复使用性（FAIR）原则。我们演示如何使用此指南评估 CERN 大型强子对撞机 CMS 协作组制作的开放模拟数
PDF3 years ago
机器学习软件的 API 设计：来自 scikit-learn 项目的经验
本文讨论了 Scikit-learn 机器学习库 API 的设计选择，其中强调了可重用性和组合性，并评论了该库用户和开发者所面临的障碍。
PDF11 years ago