实体
Energy-Based Transformers
Energy-Based Transformers
PulseAugur coverage of Energy-Based Transformers — every cluster mentioning Energy-Based Transformers across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
深度玻尔兹曼机在表格异常检测方面展现出潜力
一篇新的研究论文重新审视了基于能量的模型（EBM），特别是深度玻尔兹曼机（DBM），用于表格异常检测。该研究假设DBM的平均场能量可以比现有方法更有效地补充基于重构的得分。在UCI Bank Marketing和NSL-KDD数据集上的评估表明，DBM的表现优于几种经典和现代基线方法，并且当与Autoencoder融合时，它在异常检测准确性方面提供了统计学上的显著改进。
-
基于能量的Transformer在预测阅读难度方面显示出潜力
研究人员引入了一类新的Transformer模型，称为基于能量的Transformer，它们与联想记忆模型建立了正式联系。在计算心理语言学中，这种能量度量已被证明是跨多个语料库的阅读难度的有力预测因子。该研究表明，这一单一能量度量可能统一先前依赖于惊奇度（surprisal）和注意力熵（attention entropy）等多个互补预测因子的方法。