stochastic sampling | BriefGPT

关键词stochastic sampling

搜索结果 - 10

基于图的协同过滤中的对比视图和难例抽样的随机抽样
我们提出了一种新颖的随机抽样方法 SCONE，通过基于评分的生成模型生成动态增强视图和多样的困难负样本，以克服数据稀疏性和负采样等图协同过滤模型面临的挑战。在六个基准数据集上的全面评估中，我们的 SCONE 显著提高了推荐准确性和鲁棒性，证
PDF2 months ago
大规模均值算法中通过竞争随机样本大小优化实现卓越的并行大数据聚类
该研究论文介绍了一种创新的 K 均值聚类算法，该算法通过整合并行处理、随机抽样和竞争优化等方法，实现了适用于大数据应用的可扩展变体。算法通过动态调整每个工作器的样本大小来优化性能，并且通过在不同样本大小的工作器之间引入竞争机制，进一步提高了
PDF3 months ago
轨迹一致性蒸馏
通过增加 Trajectory Consistency Distillation（TCD）的一组函数和策略性的随机采样的设计，可以显著提高图像生成质量，同时减少由多步一致性采样中积累的误差所致的细节不足，并且在较高的 NFEs 下相较于教师
PDF4 months ago
SA-Solver: 随机亚当求解器用于快速采样扩散模型
该研究通过对扩散概率模型中的随机采样进行综合分析，从方差控制的扩散 SDE 和线性多步 SDE 求解器两个方面提出了改进的高效随机 Adams 方法 SA-Solver，用于生成高质量的数据，在少量函数评估次数下取得改进或可比性能，并在适当
PDF10 months ago
CamoDiffusion: 基于条件扩散模型的伪装物体检测
在计算机视觉中，把伪装目标检测（Camouflaged Object Detection，COD）视为基于扩散模型的条件掩蔽生成任务，提出了一种名为 CamoDiffusion 的方法，它使用扩散模型的去噪过程来迭代地减少掩蔽的噪声，其随机
PDFa year ago
从预训练 LLMs 中更好地选择样本：以生成问题为例的案例研究
本文提出了两种基于提示的方法，以选择自然语言生成模型生成的高质量问题，旨在解决多样性提高与模型选择的问题。经过自动化和人工评估，结果表明，与贪婪算法相比，我们的方法能够有效地选择更高质量的问题。
PDF2 years ago
针对强化学习的政策镜面下降算法：线性收敛、新采样复杂度和广义问题类
本文提出了新的政策镜反射（PMD）方法，用于解决具有强凸性或一般凸性正则化的强化学习（RL）问题，并使用不同的采样方案建立了这些问题的随机对应物。我们证明了 PMD 方法在快速收敛到全局最优解方面的线性速率，提出了计算这些正则化梯度的复杂度
PDF3 years ago
随机正常化流
提出了随机归一化流的概念，它是一种在机器学习和统计力学领域中解决概率分布采样问题的方法，具有较快的采样效率和较强的表示能力。
PDF4 years ago
MMQ-GADMM：量化组 ADMM 用于通信高效的分散机器学习
本文提出了一种通信高效的、去中心化的机器学习算法 —— 量化组 ADMM (Q-GADMM)，通过量化减少通信链接，采用随机量化方法进行误差传播控制，以及利用深度神经网络架构与随机采样的量化随机 GADMM (Q-SGADMM)，通过对多项
PDF5 years ago
EMNLP具备语言预训练和随机采样的稳健导航
本文提出了两种有效方法来改善视觉和语言导航 (VLN) 挑战中的指令表示和动作解码问题，一是使用大规模预训练语言模型来学习更好的文本表示，二是提出一种随机采样方案来减小训练和测试中动作的差距，从而使智能体可以在长序列的动作解码过程中学习自我
PDF5 years ago