- 高效并行多跳推理:知识图分析的可扩展方法
这篇论文重点关注如何优化多跳推理(MHR)的时间效率,提出了一种新的并行算法来快速识别知识图谱中顶点之间的前 K 个路径,从而有效地回答三跳查询,并通过实证结果展示了该算法的卓越性能。
- 利用高光谱成像进行特种作物成熟度分类的双频带特征选择
草莓和番茄等特殊作物的成熟度分类对于选择性采摘和质量控制是农业下游的重要活动。本文提出了一种特征提取方法,展示了在特征选择方面的最新成果,并通过比较分析表明该方法在成熟度分类和时间效率方面的表现优于现有方法。
- 基于深度引导的鲁棒快速稀疏输入视图点云融合 NeRF
通过深度引导的稀疏输入点云融合构建的辐射场点云可以有效地解决深度图的不准确性和低时间效率问题,实验证明该方法在性能和效率上优于现有技术。
- 后编辑比人工翻译快吗?
这项研究针对一家语言服务提供商的真实数据进行了首次大规模的翻译和修订速度调查,结果表明后期编辑通常比人工翻译更快,平均速度数值可能具有误导性,翻译速度高度可变,编辑距离不能作为后期编辑效率的代理因素,因为它与速度的相关性并不强。
- 加强图压缩:通过无交叉对抗训练聚焦于弱节点
本文研究了通过将大型、复杂的图形压缩成精炼、综合的表示形式来解决图形凝结问题,这种表示形式保留了结构和特征的最关键和最具区分性的信息。我们提出了减震器(一种扰动)的概念,以对原始图进行对抗训练方式下的稳定性增强。通过在定期间隔上强制匹配在合 - 使用一致性策略提升连续控制
通过一步将噪声转化为动作,我们提出了一种名为 CPQL 的新型时间效率方法,解决了扩散模型在更新时的时间效率和准确性指导方面的问题,从而实现了脱机强化学习的策略改进,并可以无缝地扩展到在线强化学习任务中,最终实验结果表明,CPQL 在 11 - ICLRDiffMimic:可微物理模拟的高效动作模仿
本文提出了一种名为 DiffMimic 的新型运动模仿方法,利用可微物理模拟器 (DPS) 降低了模仿的时间成本和样本成本,并且克服了现有方法中存在的一些问题。实验结果表明,DiffMimic 在标准测试中具有更好的样本和时间效率,使得物理 - HyperAttack:超图神经网络白盒敌对结构攻击的多梯度引导方法
本论文介绍了 HyperAttack-- 第一个针对超图神经网络的白盒子对抗攻击框架,提高了攻击成功率和时间效率,作为一种结构攻击方法,通过扰乱向目标节点连接的超边状态,并引导梯度和集成梯度。
- 特征工程与 BERT 在 Twitter 数据上的比较
通过比较传统机器学习模型使用特征工程和词向量与最先进的语言模型 BERT 使用词向量在三个数据集上的表现,并考虑特征工程与 BERT 的时间和成本效益。研究证明,在三个数据集中,BERT 模型只有在其中一个数据集上胜于传统的特征向量分类器, - ECCV通过学习每层重要性进行混合精度神经网络量化
该研究提出利用量化器中的可学习参数作为量化精度重要指标,通过一次整数线性规划来确定混合精度量化的最佳位宽以提高时间效率,并在多种模型中实现了 SOTA 精度。
- ICLRCPT: 基于循环精度的高效深度神经网络训练
本文探索了一种名为 Cyclic Precision Training (CPT) 的新型低精度训练方法,其能够提升深度神经网络训练的时间和能量效率,并在五个数据集和十一种模型上进行了大量仿真和消融研究。
- ICML基于粗化的更快图嵌入
对于大规模图形数据,我们提出了一种优化的图粗化方法,基于 Schur 补,可在节省时间的同时保证了嵌入的准确性。