实体
GBDTs
GBDTs
PulseAugur coverage of GBDTs — every cluster mentioning GBDTs across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
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 3 条
-
新研究探讨表格基础模型的高效数据标注
一篇新研究论文介绍了一种用于表格基础模型（TFMs）的活跃上下文学习技术。该研究题为“When, Where, How: Active In-Context Learning for Tabular Foundation Models”，探讨了如何为TFMs高效获取标注数据，TFMs根据其上下文中的标注行来适应任务。研究强调，在初始阶段，基于多样性的获取最为有效，而在关注与目标输入相关的行则能显著提高性能。所提出的上下文预期预测信息增…
-
新型iLTM模型统一了深度学习和树模型在表格数据上的应用
研究人员推出了iLTM，一种集成式大型表格模型（Integrated Large Tabular Model），旨在增强深度学习在表格数据上的应用。这种新架构结合了多种组件，包括树派生嵌入、元训练超网络和检索机制，以在分类和回归任务上取得卓越性能。iLTM在超过1800个数据集上进行了预训练，与传统的梯度提升决策树（GBDTs）和其他领先的深度表格模型相比，表现出更优的结果，并且需要更少的特定任务调优。
-
新HDE-Net模型利用双曲几何增强表格分类
研究人员开发了HDE-Net，这是一种新颖的流形约束深度神经网络，旨在改进表格分类。该模型利用双曲空间嵌入和软决策路由机制来更好地表示表格数据中常见的基于规则的结构。HDE-Net在TALENT-tiny-core基准测试中表现出色，优于传统的梯度提升决策树（GBDTs）和其他深度学习模型。