training distribution | BriefGPT

关键词training distribution

搜索结果 - 10

利用可微网络弯曲来攻击生成模型
我们提出了一种方法，通过在模型的中间层之间注入可训练模块，并对其进行少量的迭代训练，将生成模型的输出从原始训练分布推向新的目标，并在结果图像中展示出原始目标和新目标之间的紧张关系，以实现艺术目的。
PDF9 months ago
Transformer 能学习最大公约数吗？
小型转换器在计算两个正整数的最大公约数方面的能力进行了调查，当选择训练分布和表示基时，模型可达到 98% 准确率，在前 100 个最大公约数中正确预测 91 个。模型的预测是确定性的且完全可解释的。
PDF10 months ago
一种综合增强的异常检测框架
该论文分析了对训练重建网络起到贡献的模拟异常的关键特征，并基于这些特征提出了综合框架，结合重建方法和分离训练策略，解决了过拟合问题并避免干扰重建过程，评估结果表明该方法在对象类别方面优于现有方法，并证明其在真实场景下遇到各种意外异常具有良好
PDF10 months ago
从第一原则开始的组合泛化
本篇论文从识别可表达性学习出发，将组合性视为数据生成过程的属性而非数据本身，并提出了仅取决于训练分布和模型架构的轻微条件，为组合泛化建立了理论框架，并验证了其应用于现实世界场景的结论，从而为组合泛化的原则性理论研究铺平了道路。
PDFa year ago
可再现的对比语言 - 图像学习的比例定律
本研究探索了对比语言 - 图像预训练（CLIP）的缩放定律，使用了公共数据集和开放源代码来研究缩放规律，并发现训练分布在缩放规律中起关键作用。通过在多个下游任务中评估最大规模的公共 CLIP 模型，我们发现在多个下游任务中，有效训练集大小、
PDF2 years ago
机器学习模型中用于识别分布外数据的减少鲁棒性随机切割森林
本文介绍了一种使用 Reduced Robust Random Cut Forest (RRRCF) 数据结构的新方法来检测数据集是否处于训练分布，该方法在低维和高维数据的实证结果表明可以有效地进行数据分布的推断，而且该模型易于训练，并且不
PDF2 years ago
数据决定对比语言图像预训练（CLIP）中的分布鲁棒性
通过实验研究，我们发现对比训练语言 - 图像模型的鲁棒性提高的主要因素是训练分布的多样性，而其他因素对鲁棒性几乎没有贡献。除了我们的实验结果，我们还介绍了 ImageNet-Captions，这是带有来自 Flickr 的原始文本注释的 I
PDF2 years ago
形式化与估算分布推断风险
该研究通过提出一个正式定义的分布推断攻击概念，研究了不同分布和攻击方法之间的表现差异，揭示了通过建立的度量方法可以量化泄漏，并发现了一些攻击的非对称性。
PDF3 years ago
生成未曾见过的复杂场景：我们已经到达那里了吗？
本文介绍了一种比较复杂场景条件生成模型的方法，分析了每种模型的性能和优势，发现通过对实例化空间调节规范化等措施可以提高对看得到和看不到的物体组合条件的泛化性能，同时应用语义损失可改善生成过程中的某些方面。
PDF4 years ago
分析机器学习表示：自然语言案例研究
研究了一个自然语言处理人工系统中句子的表征，分析表明存在一些启发式策略，通过训练分布，这些系统可以学习抽象规则并将其推广到新的环境中，但也存在一些推广行为上的缺陷。
PDF5 years ago