关键词sequence prediction models
搜索结果 - 3
- 程序阶段的模型复杂度
在资源受限的计算系统中,序列预测模型必须在严格约束下运行。我们提出了一种理论和相关的实证方法,探索一种特定类型机器学习模型(如深度神经网络)的成本与预测质量之间的权衡空间,以增加对资源受限任务模型的理论和实践限制的认识。
- MLE 和 RL 在序列预测中的联系
采用统一的熵正则化策略优化框架,将不同算法统一为特殊实例,从而提供了统一的探索与学习效率的视角。此外,本文还提出了一种动态插值的算法,用于调度序列模型的学习,实验证明其优于传统算法。
- ICML基于背包约束的情境子模序列预测及其在多文档摘要中的应用
本文研究了在背包约束下预测选项集或列表的问题,并通过在线学习的降级模型,证明了如何使两个序列预测模型适应贪心的最大化背包约束问题,实验结果表明,我们的方法优于现有的最先进方法。