PulseAugur
中
实时 13:19:53
English(EN) Balancing Knowledge Distillation for Imbalance Learning with Bilevel Optimization

新的双层框架增强了不平衡数据的知识蒸馏

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了BiKD，一个新颖的双层优化框架，旨在改进不平衡数据集的知识蒸馏。该方法在考虑学生模型的学习行为的基础上，对每个样本的硬损失和软损失的权重进行动态调整。通过使用由小型验证集和多步SGD策略指导的权重生成网络，BiKD旨在比固定权重方法实现更有效的知识转移，并在CIFAR-10/100等不平衡数据集上取得了有希望的结果。 AI

影响 引入了一种改进不平衡数据集上模型训练的新方法，有望提高在数据分布不均的实际应用中的性能。

排序理由 该集群包含一篇详细介绍知识蒸馏新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Anh B. H. Nguyen, Ba Tho Phan, Viet Cuong Ta ·

    利用双层优化平衡不平衡学习中的知识蒸馏

    arXiv:2605.17839v3 Announce Type: replace-cross Abstract: Knowledge distillation transfers knowledge from a high capacity teacher to a compact student using a mixture of hard and soft losses. On imbalanced data, a fixed weighting between hard and soft losses becomes brittle the l…

相关实体

相关话题