实体
mini-batch k-means
mini-batch k-means
PulseAugur coverage of mini-batch k-means — every cluster mentioning mini-batch k-means 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 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新型聚类方法将LLM推理成本降低50倍
研究人员开发了一种新颖的两阶段聚类算法，旨在显著降低大型语言模型（LLMs）的推理成本和延迟。该方法采用Mini-batch K-Means，然后采用类似于Johnson-Chvatal启发式方法贪婪选择代表，为相似性和属性匹配提供了可证明的护栏。该算法能高效扩展到数千万个样本，其性能比标准方法高出几个数量级，并支持了一个基于角色的推荐系统投入生产，将成本降低了50倍。
-
聚类算法在医学图像分析和压缩方面的基准测试
一篇新的研究论文评估了五种聚类算法——k-means、mini-batch k-means、凝聚层级聚类、BIRCH 和 bisecting k-means——在医学图像分析中的有效性。该研究特别考察了它们在保留对诊断至关重要的局部细节方面的性能，同时探索了自适应图像压缩的可能性。结果表明，标准的 k-means 和 bisecting k-means 通常表现良好，但可能存在较高的簇内变异性。凝聚聚类在保持均匀性方面对 MRI 和超…