ExtraTrees
PulseAugur coverage of ExtraTrees — every cluster mentioning ExtraTrees across labs, papers, and developer communities, ranked by signal.
-
新方法以更低的计算成本加速神经架构搜索 · 跟踪3个来源
研究人员开发了改进神经架构搜索（NAS）的新方法，该过程可能计算成本高昂。一种名为RiPPLE的方法使用来自一小组锚定架构的局部训练数据来预测许多其他架构的性能，从而减少了完全训练的需要。另一种方法CoRA-NAS结合了架构的粗略排序和一个细化阶段，该阶段通过外推早期训练曲线来估计性能，成本大大降低。第三种技术通过提出一种无泄漏的、基于块的方法来解决NAS中Leave-One-Subject-Out（LOSO）评估的成本问题，该方法在…
-
机器学习模型在粘性Burgers方程误差方面遇到困难
研究人员分析了用于近似粘性Burgers方程的经典机器学习代理模型的局部误差。比较了四种模型——径向基函数（RBF）核岭回归（KRR）、线性岭回归、ExtraTrees和随机森林。研究发现，这些模型中的误差，特别是KRR，与解的空间曲率密切相关，在预测的极值附近形成一个局部的双分支折叠。这表明代理模型可能保留比真实未来状态更多的小尺度结构，表明粘性平滑不足。
-
量子分类器增强触觉互联网的零信任
研究人员开发了VQC-ZTI，一个利用分层变分量子分类器的新框架，用于增强触觉互联网服务的零信任保护。该系统在带外分析加密流量遥测数据，允许带内策略引擎在不干扰实时物理驱动的情况下管理访问控制。量子神经网络的实现取得了高性能指标，包括0.9981的ROC AUC，并显著降低了与传统方法相比的误报率。
-
新方法改进音频信号处理中的模态估计
研究人员开发了一种新颖的方法，用于估计密集板混响脉冲响应中的模态参数，解决了稀疏峰值检测中模式计数不足的挑战。他们的方法利用在模拟数据上训练的ExtraTrees回归器来预测四个频带的模式计数。然后，该计数定义了密集频带网格，允许可微分谐振器模型在保持频率固定的同时优化衰减和增益参数。该系统在合成验证集上显示出显著的误差减少，主要通过提高模式计数精度，尽管衰减和增益参数仍有进一步改进的空间。