validation set | BriefGPT - AI 论文速递

关键词validation set

搜索结果 - 10

增强上下文学习的更强随机基准
通过在小数据集上评估语言模型的上下文学习分类性能，我们引入了更强的随机基准：在多个随机分类器中的预期最大准确性。这个更强的随机基准在选择最佳提示演示时，超过标准基准的少量结果有超过 20% 无法超过。当有保留的测试集可用时，这个更强的基准也
PDF2 months ago
CVPR通过在难样本上进行元学习以提高泛化能力
学习重加权（LRW）方法用优化准则分配训练实例权重，以在代表性验证数据集上最大化性能。我们提出并形式化了在 LRW 训练中优化选择验证集的问题，以提高分类器的泛化能力。使用难以分类的实例作为验证集，在理论上与实证的有效性存在强烈的关联。我们
PDF4 months ago
合成数据作为验证
利用合成数据作为验证集，从而减少过拟合，简化 AI 模型选择，本研究展示了合成数据在早期肿瘤检测方面的有效性，以及在不同领域中用于增强 AI 的鲁棒性的潜力。
PDF8 months ago
通过激活函数的内在维度将正则化和泛化联系起来
本文研究了模型的内在维度对其泛化能力的影响，通过对验证集和训练集的表现进行分析，提出了通用的规则以改善在一个模型内提取特征数据时可能遇到的问题。
PDF2 years ago
IJCAI重新考虑在图上进行半监督学习的设置
本文针对半监督学习在图上的设置可能导致的过度调整模型超参数的风险进行了探讨，并提出了 ValidUtil 方法来帮助使用附加一组超参数的验证集的标签信息，以避免过度调整。作者构建了一个 i.i.d. 图形基准（IGB）集，以避免评估方差，该
PDF2 years ago
ICCV无标签新环境中的排名模型
本研究提出了一种使用代理数据集来解决领域自适应问题的方法，该数据集经过良好构建可以有效捕捉到具有相似分布的目标数据集的模型性能排名，并在 Person Re-identification 任务中进行了验证。
PDF3 years ago
超参数优化中双层规划的稳定性和泛化性
本文研究双层规划的理论分析，并提出了一种基于统一稳定性的期望边界解释验证集方面的一些神秘的行为。同时证明了正则化项可以缓解梯度算法过拟合问题。
PDF3 years ago
ECCV深度双层学习
本文提出了一种新颖的正则化训练神经网络的方法，基于交叉验证的原则，通过使用验证集来限制模型过拟合，其中通过引入在每个小批量训练集上的权重来控制过拟合，并通过在验证集上最小化误差来选择其值，此项工作可与其他正则方法和训练方案相结合，研究表明其
PDF6 years ago
ICML度量优化的例子权重
提出使用带权损失函数和标准损失函数来处理复杂测试度量和数据分布不一致问题，并且权重可以学习适应任何测试指标，公式支持的各个实际场景和标准数据集的实验结果表明该方法的性能得到重大改善并且还提供了一种方法的一般化范围。
PDF6 years ago
一个简单有效的故事推断测试方法
本文通过采用基于 skip-thought 嵌入的全用户反馈前馈网络，对 Story Cloze Test 进行研究，发现忽略训练集，只对验证集进行训练可以获得更高的准确度，而仅考虑提示的最后一句话而非整个提示，利用我们的方法能够获得更高的
PDF6 years ago