新的HAPEns方法优化AI模型集成以提高硬件效率

研究人员开发了HAPEns，一种新颖的事后集成方法，旨在优化表格数据的预测性能和硬件效率。该方法构建了一组多样化的集成模型，这些模型位于帕累托前沿，在准确性和资源使用之间取得平衡。在83个数据集上的实验表明，HAPEns通过找到集成性能和部署成本之间更优的权衡，显著优于现有基线，其中内存使用被确定为一个特别有效的目标指标。 AI

影响 这项研究可能导致在资源受限环境中更有效地部署AI模型。

排序理由 该集群描述了一篇详细介绍AI模型集成新方法的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• HAPEns
• Hugging Face
• IArxiv
• Jannis Maier
• ScienceCast
• tabular data

• 论文
• 基础设施

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