stability | BriefGPT - AI 论文速递

关键词stability

搜索结果 - 185

模型平均中的稳定性和 L2 惩罚
该研究纸通过引入稳定性及统计学习理论，对模型平均进行了研究，提出了一个不限制模型权重的 L2 惩罚模型平均方法，并证明了其具有稳定性和一致性。
PDF8 months ago
噪音的悖论：联邦学习中提高泛化、稳定性和隐私性的噪音注入机制的实证研究
在数据为中心的时代里，随着机器学习对个人信息的依赖越来越大，对隐私和道德数据处理的关切也越来越多。本实证研究探讨了联邦学习框架中深度学习模型在存在加性噪声的情况下的隐私、泛化和稳定性。我们的主要目标是提供一些衡量这些模型的泛化、稳定性和保护
PDF8 months ago
基于收缩论的强化学习稳定模块化控制
我们提出了一种新颖的方法，将控制技术与强化学习相结合，通过收缩理论实现神经控制的模块化，以确保稳定性。我们通过信号组合和动态分解实现这种模块化。信号组合通过创建潜在空间，其中强化学习应用于最大化奖励。动态分解通过坐标转换实现，创建辅助空间，
PDF8 months ago
插拔稳定性：一年无间断的大脑到文本通信演示
提出了一种使用大型语言模型的自校准方法，使得交流型脑机接口在用户使用过程中可以自行校准，实现了超过一年的稳定解码准确率，是迄今最长时间的人类参与的高性能通信型脑机接口稳定性证明。
PDF8 months ago
稳定线性子空间识别：一种机器学习方法
SIMBa 是一种使用反向传播的离散线性多步提前状态空间系统辨识方法家族，它通过引入 Schur 矩阵的基于线性矩阵不等式的自由参数化来确保辨识模型的稳定性。SIMBa 通常胜过传统线性状态空间辨识方法，并能在同时实现最先进的拟合性能和稳定
PDF8 months ago
MM大规模地图上的按需城市移动问题的近似多智能体强化学习 (扩展版)
我们提出了一个近似的一次一个滚动法算法，通过将图分割成基于预测需求和用户定义的最大代理数量的区域，以减少计算成本，并在每个区域中并行执行一次一个滚动法算法，从而实现稳定的近似最优策略。
PDF8 months ago
随机森林稳定性及随机森林预测区间覆盖率
我们证明了在 $Y^2$ 没有重尾的温和条件下，随机森林的稳定性，并使用这一性质证明了从随机森林的袋外误差构建的预测区间的非渐进覆盖概率的下界。我们还讨论了在比先前文献中考虑的条件更弱的假设下的渐近覆盖概率。我们的工作表明，随机森林具有稳定
PDF8 months ago
贝叶斯稳定性之园
我们展示了学习理论文献中的许多稳定性定义是等价的，我们区分了两个稳定性定义家族：依赖于分布的稳定性和独立于分布的贝叶斯稳定性。在每个家族中，我们建立了各种定义之间的等价性，涵盖了近似差分隐私、纯差分隐私、可复制性、全局稳定性、完美泛化、TV
PDF8 months ago
关于预测稳定性
使用 N-BEATS、Pooled Regression 和 LightGBM 作为基础模型，在四个公开可用的数据集上，所提出的方法相比包括最新的预测稳定方法在内的一组基准方法，在三个误差指标和六个稳定性指标上，能显著提高稳定性和 / 或准
PDF8 months ago
在在线环境中测量流程结果预测的稳定性
提出了一个用于评估在线预测性流程监控模型稳定性的评估框架，并验证了该框架对不同风险场景下的预测模型比较和选择的有效性。
PDF9 months ago
深度 ReLU 网络和高阶有限元方法 II：切比雪夫模拟
对于具有指定参数定义的深度 ReLU 神经网络（NN），本文讨论了其在 Sobolev 范数中的表达速率和稳定性，针对有限分区上的连续的分段多项式函数。我们通过 Chebyshev 多项式展开系数独特构建了 ReLU NN 的代理，这些系数
PDF9 months ago
关于迭代重新训练生成模型的稳定性
本文开发了一个框架，以严格研究在混合数据集（包括真实和合成数据）上训练生成模型对它们的稳定性的影响。通过在 CIFAR10 和 FFHQ 上迭代训练常规流和最先进的扩散模型，我们在合成和自然图像上经验验证了我们的理论。
PDF9 months ago
重访连续学习中的稳定性问题的 Softmax 掩蔽
利用掩码 softmax 方法，针对连续学习中逐渐遗忘与保留的准确决策所存在的困难，本文重新研究了它对稳定性的影响，并提出了一个利用其保持置信度分布的方法，相较于最新方法在使用零或少量内存时，我们的方法在整体性能上表现更好，为基于回放的连续
PDF9 months ago
OS-net: 轨道稳定神经网络
介绍了一种名为 OS-net（轨道稳定神经网络）的神经网络架构，专门用于周期动力数据。OS-net 是神经常微分方程 (NODEs) 的一种特殊情况，并充分利用了基于伴随方法的反向传播方法。通过利用常微分方程理论，我们推导出保证结果动力学稳
PDF9 months ago
神经概率先验词嵌入
改进词表示学习，我们提出了一种概率先验，它可以无缝地与词嵌入模型集成。不同于先前的方法，词嵌入被看作是一种概率生成模型，它使我们能够对词表示学习施加先验进行正则化。所提出的先验不仅增强了嵌入向量的表示，还提高了模型的鲁棒性和稳定性。该先验的
PDF10 months ago
梯度为基础的 MAML 在 LQR 中的收敛性
本研究探讨了 Model-agnostic Meta-learning (MAML) 在线性系统二次最优控制（LQR）中的局部收敛特性，同时保持动态系统的稳定性。通过简单的数值结果展示了 MAML 在 LQR 任务中的收敛性。
PDF10 months ago
一种保障稳定的二次模型及其在 SINDy 和运算推断中的应用
科学机器学习方法用于学习动力系统，该方法结合了数据驱动模型、基于物理模型的建模和经验知识。本研究主要关注运算推断方法，该方法在已知物理学规律或由专家确定的模型结构的先验假设下，构建动力学模型，并通过适当的优化问题学习模型的算子。我们提出了稳
PDF10 months ago
通过预训练稳定 RNN 梯度
通过本研究，我们证明预训练网络以实现本地稳定性在复杂结构的网络中是有效的，并提出了一种称为本地稳定条件（LSC）的理论，它能最小化对数据和参数分布的假设。我们的实验结果表明，通过预训练满足 LSC 的前馈和递归网络通常能够提高最终性能。这项
PDFa year ago
ICCV在线持续学习的综合实证评估
在线持续学习在不断变化的数据流中直接学习，并存储来自该流中的最少量数据，本文通过对国内外文献中解决在线持续学习问题的方法进行实证评估，重点关注图像分类中的增量类别设置，通过比较在 Split-CIFAR100 和 Split-TinyIma
PDFa year ago
基于决策树抽样的特征重要性测量
我们提出了一种用于树模型的特征重要性测量的基于 SAT 的 DT-Sampler 方法，该方法在真实世界的问题中具有较少的参数，提供了更高的可解释性和稳定性。
PDFa year ago