residual neural network
PulseAugur coverage of residual neural network — every cluster mentioning residual neural network across labs, papers, and developer communities, ranked by signal.
7 天有情绪数据
-
New UCB strategies enhance adaptive deep neural networks for edge computing
Researchers have introduced four new Upper Confidence Bound (UCB) strategies to Adaptive Deep Neural Networks (ADNNs) for edge computing environments. These strategies, including UCB-Bayes, UCB-Tuned, and UCB-V, aim to …
-
新研究探索使用 Vision Transformers 进行无人机图像中的鲁棒杂草检测
研究人员开发了一种使用无人机图像检测 Rumex obtusifolius（一种杂草）的新方法，解决了机器学习中的域适应性挑战。标准的卷积神经网络（CNN）难以从地面数据泛化到无人机捕获的图像，但矩匹配和最大分类器差异等技术提高了性能。通过自监督学习预训练的 Vision Transformers (ViTs) 在域偏移方面表现出卓越的鲁棒性，F1 分数达到 0.8。该团队还发布了一个新的数据集 AGSMultiRumex，以促进该领…
-
Learn&Drop方法通过丢弃层将CNN训练时间减半
研究人员开发了一种名为Learn&Drop的新颖方法来加速卷积神经网络（CNN）的训练。该技术在训练过程中动态评估层参数变化，并通过丢弃未积极学习的层来缩小网络规模。与专注于推理压缩或反向传播优化的现有方法不同，Learn&Drop的目标是减少训练过程中的前向传播操作。在MNIST、CIFAR-10和Imagenette数据集上的VGG和ResNet架构上进行的实验表明，该方法可以在不显著损失准确性的情况下将训练时间缩短一半以上。
-
混合量子-经典模型提升乳腺癌分类准确性
研究人员开发了一种新颖的混合量子-经典架构用于乳腺癌分类，旨在克服将量子机器学习与经典深度学习相结合的挑战。所提出的框架提取并统一了来自经典模型（如ResNet）和量子电路的互补特征。一种新的温度缩放混合融合（TSHF）策略动态平衡梯度以解决优化瓶颈，在BreastMNIST数据集上达到了87.82%的峰值准确率。
-
H-Sets framework uncovers feature interactions in image classifiers
Researchers have developed H-Sets, a new framework designed to uncover and attribute higher-order feature interactions within image classifiers. This method moves beyond analyzing individual features to understand how g…
-
研究人员在皮肤镜模型中发现概念不一致性，影响准确性。
研究人员在 Derm7pt 皮肤镜数据集中发现了显著的概念层面不一致性，这限制了概念瓶颈模型 (CBMs) 的准确性。通过应用粗糙集理论，他们发现 16.4% 的概念配置文件与冲突的诊断相关联，理论上将 CBM 的准确性上限设定在 92.1%。该研究还提出了一个经过筛选的一致性子集 Derm7pt+，证明了在各种骨干架构下 CBM 性能的提高。
-
Eugene Yan 详述其非传统的数据科学领导之路
数据科学专业人士 Eugene Yan 分享了他的职业生涯见解，他最初的心理学背景，后来转型到 IBM、Lazada 和 Amazon 等公司的数据科学岗位。他强调了持续学习、自主项目以及抓住机会的重要性，即使这些机会是意料之外的。Yan 还讨论了他通过写作和演讲分享知识的方法，强调真实性和为听众提供有价值的实用细节。
-
Eugene Yan 详细介绍了从数据采集到部署构建产品分类 API 的过程
Eugene Yan 详细介绍了构建产品分类 API 的多部分流程，强调了原型设计在获得利益相关者支持方面的重要性。他解释了如何获取和准备数据，包括清理标题和处理编码问题，然后再训练机器学习模型。该系列还涵盖了 API 本身的开发，并演示了图像搜索功能，尽管由于云成本，该 API 后来被停用。