实体
Deep Shift Neural Networks
Deep Shift Neural Networks
PulseAugur coverage of Deep Shift Neural Networks — every cluster mentioning Deep Shift Neural Networks across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
时间线
- 2026-06-17 research_milestone A new multi-objective HPO approach for Deep Shift Neural Networks was proposed to enhance sustainability in deep learning. 来源
最近 · 第 1/1 页 · 共 2 条
-
AutoML 优化深度迁移神经网络以提高效率和性能
研究人员开发了一种使用 AutoML 的多目标超参数优化方法，以提高深度迁移神经网络 (DSNNs) 的效率和性能。该方法专门针对图像分类任务，旨在平衡准确性与降低能耗和排放。该方法确定了 DSNN 配置，可将性能提高约 20%，同时将排放量减少 60% 以上，揭示了量化策略中细微的权衡。
-
新的超参数优化方法提高了 DSNN 的准确性和可持续性
研究人员开发了一种面向深度迁移神经网络 (DSNN) 的多目标超参数优化 (HPO) 方法，以促进可持续深度学习。该方法结合了多保真度 HPO 和多目标优化，以平衡模型准确性与能耗。实验表明，该方法可以产生准确率超过 80% 的模型，同时显著降低计算成本，从而促进更高效、可持续的人工智能发展。