training accuracy | BriefGPT

关键词training accuracy

搜索结果 - 7

不完善通信信道上的分散式联邦学习
本研究分析了不完美通信渠道对分散式联邦学习（D-FL）的影响，并确定了每轮训练的最佳本地汇总次数，以适应网络拓扑和不完美通道。通过从需要完美通道和汇总的理想全局模型中推导出具有不完美通道的本地汇总 D-FL 模型的偏差，揭示了过多的本地汇总
PDF2 months ago
图神经网络中度偏见的理论和实证研究
图神经网络（GNN）在节点分类任务中通常对高度节点优于低度节点，而这种度偏见由于众多假设的不严格验证以及可能的矛盾而加剧了社会边缘化。本论文通过分析不同图过滤器的信息传递 GNN 的度偏差的起源，证明了无论 GNN 如何被训练，高度测试节点
PDF3 months ago
通过电路效率解释通俗易懂
一种最令人惊讶的神经网络概括性的难题是理解：一个在训练中完美的网络但在概括性上表现糟糕，经过进一步训练后会过渡到完美的概括性。我们提出了这样的观点：理解发生在任务允许概括性解和记忆化解的情况下，其中概括性解的学习速度较慢但更高效，用相同参数
PDF10 months ago
FedDCT: 无线通信网络中的动态跨层联邦学习方案
提出一种名为 FedDCT 的新型动态跨层联邦学习方案，旨在增加无线通信网络中的训练准确性和性能。引入分层算法根据特定指标动态将客户端分为不同层次，并为每个层次分配特定的超时阈值以减少所需的训练时间。通过引入跨层客户端选择算法有效地选择层次
PDFa year ago
关于训练图卷积网络深度的可证明优势
本文针对图卷积网络（GCNs）在层数增多时表现下降的问题进行了研究，发现合理训练后更深的模型具有极高的训练准确性，但泛化能力较差。通过分析 GCNs 的泛化能力，本文提出了一种解耦结构，使得 GCNs 既能保留表达能力，又能保证较好的泛化性
PDF3 years ago
ICML神经网络训练的模型并行化调谐子网络分割
本文提出了一种称为可调子网络分割方法（Tunable Subnetwork Splitting Method，TSSM）的重新方法，该方法可以在并行优化中实现深度神经网络的分解粒度的优化，以实现并行性和准确性之间的完美折衷。两种方法通过 T
PDF4 years ago
基于实例的超集标签学习的正则化方法
本文提出了一种基于正则化的方法（RegISL），用于解决超集标签学习（SLL）中候选标签之间互斥关系对无歧义训练标签生成的影响问题，使得本方法与常用 SLL 方法相比，在训练和测试准确性上都有显着的优越性。
PDF5 years ago