研究人员开发了一种名为累积SGD-影响估计器 (ACC-SGD-IE) 的新方法,以提高训练数据影响估计的准确性。该技术通过考虑早期数据删除如何影响后续删除的影响来解决现有方法中的偏差。在包括表格、文本和视觉数据在内的各种数据集上进行的实验表明,与标准的SGD-影响估计器相比,ACC-SGD-IE 降低了预测误差并提高了数据清理的有效性。 AI
影响 增强了数据清理和选择技术,可能导致更强大、更高效的模型训练。
排序理由 学术论文,详细介绍了机器学习中影响估计的新方法。 [lever_c_demoted from research: ic=1 ai=1.0]
- ACC-SGD-IE
- Accumulative SGD-Influence Estimator
- CIFAR-10
- MNIST database
- SGD-based Leave-One-Out Influence
- SGD-IE
- SGD-Influence Estimator
- Yunxiao Shi
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →