training set size | BriefGPT

关键词training set size

搜索结果 - 9

企业软件的基于日志的异常检测：一个实证研究
对比多个先进的异常检测模型在工业数据集上的表现，结果显示某些模型更适用于结构较松散的数据集，并且研究人员通过定性研究分析了这些模型在识别不同类型的异常时的优势和局限性，最后对训练集大小进行逐渐增加并评估模型的有效性。
PDF8 months ago
扩散艺术还是数码伪造？探究扩散模型中数据复制
本文研究了图像检索框架，让我们能够比较生成的图像与训练样本，并检测什么时候复制了内容。我们使用这个框架分析了多个数据集上训练的扩散模型，包括牛津花卉，Celeb-A，ImageNet 和 LAION，讨论了训练集大小等因素对内容复制率的影响
PDF2 years ago
基于深度学习的图像重建的比例律
本文研究通过增加训练集大小来提高深度卷积神经网络图像处理的性能，发现在训练样本数较少时，模型表现随训练样本数增加而迅速提升，但在一定程度上达到饱和，并提出理论解释。
PDF2 years ago
ECCV高效鲁棒训练的对抗样本核心子集选择
通过核心集选择的方法，使用梯度近似误差作为对抗对策核心集选择目标实现对训练集大小的有效减少，以加快对抗训练 2-3 倍。
PDF2 years ago
小数据，大决策：小数据情境下的模型选择
本文通过实验证明，相比于之前研究中通常考虑模型大小因素对性能的影响，训练数据集的大小对模型性能的影响同样显著，实验结果发现，训练更小的数据子集可以带来更可靠的模型选择决策同时降低计算成本，并能估算出常见数据集在现代神经网络结构下的最小描述长
PDF4 years ago
ACL上下文嵌入：何时值得使用？
本研究旨在探究深度上下文嵌入（例如 BERT）相对于传统预训练嵌入（例如 GloVe）和一个更简单的基准（随机词嵌入）在训练集大小和语言任务的语言特性等方面，性能是否有大幅提升。我们发现，这两种更简单的基准线上也能匹配行业规模的数据中的上下
PDF4 years ago
前瞻声纳图像识别中卷积网络的最佳实践
本文评估了卷积神经网络设计人员需要做出的三个常见决策对 CNN 的影响，证实了使用 SVM 的迁移学习在小数据集情况下非常有效，同时表明使用 ADAM 优化器和批量归一化可以使得即便在图像尺寸较小的情况下也可以获得高精确度的 CNN 分类器
PDF7 years ago
大数据集机器学习超参数的快速贝叶斯优化
提出了一种基于生成模型的贝叶斯优化方法，通过学习验证误差关于训练集大小的函数，并在小的子集上进行预先配置的探索，从而加速超参数优化，并且可以自动平衡全局最优解的信息增益与计算成本。实验结果表明，该方法比现有的另外两种贝叶斯优化方法和一种最近
PDF8 years ago
应用定义你：基于用户应用的人口预测
通过研究用户使用的应用程序列表，我们预测用户的年龄、种族、收入和性别等四个关键属性，通过比较 app 数据的多维降维方法，得出了使用原始应用列表效果最好的结论，同时展示了训练集大小和应用数量对预测准确性的影响。
PDF8 years ago