Binary Cross-Entropy
PulseAugur coverage of Binary Cross-Entropy — every cluster mentioning Binary Cross-Entropy across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的CutBCE方法优化推荐系统训练，减少内存使用并加速计算
研究人员开发了一种名为CutBCE的新颖方法，用于优化大型词汇推荐系统中的二元交叉熵（BCE）损失。该方法解决了在海量商品目录上训练模型时出现的内存限制和内存溢出错误。CutBCE利用JAX和Pallas通过硬件加速，实现精确的融合重构和自定义向量-雅可比积（Vector-Jacobian Product）的片上计算，以避免在大带宽内存（High Bandwidth Memory）中存储大型张量。在TPU v5e/v6e和8芯片TPU…
-
使用X射线图像对夏威夷果进行质量评估的深度学习基准
研究人员开发了一个用于使用X射线图像对夏威夷果质量进行分类的深度学习基准。该研究涉及799张分割的X射线图像，评估了各种单一模型配置和集成模型。一个结合了使用二元交叉熵训练的卷积神经网络和冻结的Swin Transformer的集成模型达到了86.3%的最高平衡准确率。研究结果强调了深度学习在自动化农业质量评估方面的潜力，并突出了对小型、不平衡数据集进行严格评估和数据整理的必要性。
-
Asymmetric Focal Loss Boosts Graph Neural Network Drug Interaction Predictions
研究人员开发了一种不对称焦点损失函数，显著提高了图神经网络预测药物-药物相互作用的准确性。这种名为 ClinicalFocal loss 的新方法被集成到关系感知图卷积网络中，与标准的二元交叉熵相比，在准确率、F1分数、AUROC 和 AUCPR 方面取得了显著的提升。该方法有效地减少了假阴性和整体分类错误，在不改变网络架构的情况下增强了对临床重要相互作用的预测。