新的优化方法GS-PowerHP改进了探索-精炼权衡

研究人员开发了一种名为GS-PowerHP的新优化方法，该方法解决了现有高斯平滑优化技术的局限性。与使用固定平滑半径的先前方法不同，GS-PowerHP采用了递减的平滑半径时间表。这种自适应方法允许在早期阶段进行更好的全局探索，并在优化过程中进行更精确的局部精炼。实证结果表明，GS-PowerHP优于固定平滑方法，尤其是在ImageNet上的对抗性攻击等复杂任务中。 AI

影响 这项新的优化技术可以提高训练AI模型的效率和有效性，尤其是在对抗性攻击等复杂任务中。

排序理由 该集群包含一篇详细介绍新优化方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

• arXiv
• Chen Xu
• Gaussian-smoothed
• GS-PowerHP
• GS-PowerOpt
• ImageNet

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →