实体
QXGB
QXGB
PulseAugur coverage of QXGB — every cluster mentioning QXGB across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
XGBoost增强以提高预测和鲁棒性 · 2篇论文
两篇新研究论文提出了对XGBoost算法的增强，以改进回归和预测。第一篇论文介绍了QXGB，一个基于分位数的梯度提升框架，它使用卷积平滑损失来更好地估计条件分位数并表征极端结果，并在PM2.5预测任务中得到证明。第二篇论文通过探索替代损失函数来解决XGBoost对异常值的鲁棒性问题，提出了MM-XGBoost作为一种平衡鲁棒性和预测准确性的两步程序。
-
新的FQTree算法优化增强决策树以进行硬件部署
研究人员开发了FQTree，一种用于增强决策树（BDTs）的细粒度感知量化训练的新型算法。该方法与用于自动硬件生成的QXGB框架相结合，能够更有效地在延迟敏感型应用中部署BDTs。与现有的基于FPGA的BDTs设计相比，FQTree的面向硬件的叶值量化方案将LUT使用量减少了26-57%，同时在JSC、MNIST和NID等基准测试中保持或提高了准确性。
-
FQTree算法实现增强决策树的高效硬件部署
研究人员开发了FQTree，一种用于增强决策树（BDTs）的细粒度感知量化训练的新型算法。该方法与用于自动硬件生成的QXGB框架相结合，解决了在延迟敏感应用中高效部署BDTs的挑战。FQTree采用面向硬件的叶值量化方案，可降低硬件成本并保持或提高准确性，与现有设计相比，在FPGA上显著减少了LUT使用量。