PulseAugur
中
实时 09:16:46
English(EN) pTNAS: Progressive Neural Architecture Search for Tabular Data

pTNAS 加速表格数据的神经架构搜索

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 pTNAS，一种专为表格数据设计的渐进式神经架构搜索新方法。该方法能高效地识别最优的神经网络架构，与现有方法相比，显著降低了时间和计算成本。pTNAS 采用两阶段策略：一个快速的零成本代理用于初步筛选，以及一个预算感知型精炼阶段用于精确选择，其性能优于其他 NAS 方法，并提高了端到端效率。 AI

影响 加速表格数据高效模型的开发，可能降低推理成本并提高性能。

排序理由 该集群包含一篇详细介绍神经架构搜索新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 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.LG TIER_1 English(EN) · Naili Xing, Shaofeng Cai, Lingze Zeng, Jiaqi Zhu, Peng Lu, Jian Pei, Beng Chin Ooi ·

    pTNAS：用于表格数据的渐进式神经架构搜索

    arXiv:2403.10318v3 Announce Type: replace Abstract: Recent advances have shifted the paradigm of tabular learning toward tabular foundation models, yet their accuracy relies on a heavy inference cost that scales poorly with context size. Deep neural networks remain a highly compe…

相关实体

相关话题