Boosted Decision Trees and Applications
PulseAugur coverage of Boosted Decision Trees and Applications — every cluster mentioning Boosted Decision Trees and Applications across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的FQTree算法优化增强决策树以进行硬件部署
研究人员开发了FQTree，一种用于增强决策树（BDTs）的细粒度感知量化训练的新型算法。该方法与用于自动硬件生成的QXGB框架相结合，能够更有效地在延迟敏感型应用中部署BDTs。与现有的基于FPGA的BDTs设计相比，FQTree的面向硬件的叶值量化方案将LUT使用量减少了26-57%，同时在JSC、MNIST和NID等基准测试中保持或提高了准确性。
-
FQTree算法实现增强决策树的高效硬件部署
研究人员开发了FQTree，一种用于增强决策树（BDTs）的细粒度感知量化训练的新型算法。该方法与用于自动硬件生成的QXGB框架相结合，解决了在延迟敏感应用中高效部署BDTs的挑战。FQTree采用面向硬件的叶值量化方案，可降低硬件成本并保持或提高准确性，与现有设计相比，在FPGA上显著减少了LUT使用量。
-
机器学习应用于高能物理拟合的新讲义
研究人员发布了新的讲义，详细介绍了机器学习（ML）代理模型在 고에너지 물리학 统计拟合中的应用。这些讲义概述了一个全面的 ML 工作流程，包括使用提升决策树（Boosted Decision Trees）来近似似然函数，以及使用高斯过程（Gaussian processes）进行主动学习以高效生成数据。该方法在 Belle II 实验的 $B^\pm \to K^\pm \nu \bar{\nu}$ 异常分析中得到验证，展示了 ML…