[B! residual][NAS] arxiv_readerのブックマーク

arxiv_reader id:arxiv_reader

residualとNASに関するarxiv_readerのブックマーク (11)

ResBuilder: 残留構造による深さの自動学習
arxiv_reader 2023/08/17
この研究では、適度な計算コストで高い精度を達成する ResNet アーキテクチャをゼロから開発する、Resbuilder と呼ばれるニューラルアーキテクチャ検索アルゴリズムを開発します。また、既存

arXiv

learning

dataset

NAS

classification

arXiv reaDer

detection

residual
リンク
少数ショット学習のためのニューラル微調整検索
arxiv_reader 2023/06/16
少数ショット認識では、1 つのクラスセットでトレーニングされた分類器は、素早い新しいクラスセットに迅速に適応して一般化する必要があります。そのために、最近の研究では、慎重に作成された適応アーキテ

arXiv

pre-training

learning

transformer

NAS

arXiv reaDer

adaptation

residual

few-shot
リンク
Slimmable 枝刈りされたニューラルネットワーク
arxiv_reader 2022/12/08
Slimmable Neural Networks (S-Net) は、現在の計算リソースの可用性に応じて、定義済みの割合のチャネル (サブネットワーク) の 1 つを動的に選択できる新しいネットワー

one-shot

arXiv

pruning

arXiv reaDer

NAS

residual
リンク
ノイズの多い微分可能なアーキテクチャ検索
arxiv_reader 2021/10/19
シンプルさは究極の洗練です。微分可能アーキテクチャ検索（DARTS）は、ニューラルアーキテクチャ検索の主流のパラダイムの1つになりました。ただし、スキップ接続の集約により、よく知られているパフォーマン

NAS

residual

arXiv reaDer

arXiv

dataset

bias

gradient

differentiable
リンク
効率的なマルチステージビジョントランスフォーマーの検索
arxiv_reader 2021/09/03
Vision Transformer（ViT）は、自然言語処理用のTransformerをコンピュータービジョンタスクに適用でき、コンピュータービジョンで長年研究および採用されてきた畳み込みニューラル

CNN

residual

computer vision

transformer

arXiv reaDer

NAS

arXiv
リンク
敵対的ロバスト性のための多様な構造化ネットワークの学習
arxiv_reader 2021/06/21
敵対的訓練（AT）では、モデルがあまり研究されていない間、主な焦点は目的とオプティマイザーでした。そのため、使用されているモデルは依然として標準訓練（ST）の古典的なモデルです。従来のネットワークアー

arXiv reaDer

adversarial

residual

learning

dataset

NAS

arXiv
リンク
競合するレイヤーの削除によるディープニューラルネットワークの自動調整
arxiv_reader 2021/03/09
ニューラルネットワークアーキテクチャの設計は困難な作業であり、パフォーマンスを向上させるためにモデルのどの特定の層を適合させる必要があるかを知ることは、ほとんど謎です。この論文では、訓練されたモデルの

arXiv reaDer

computer vision

arXiv

NAS

residual
リンク
敵対的ロバスト性のための多様な構造化ネットワークの学習
arxiv_reader 2021/02/09
敵対的訓練（AT）では、モデルがあまり研究されていない間、主な焦点は目的とオプティマイザーでした。そのため、使用されているモデルは依然として標準訓練（ST）の古典的なモデルです。従来のネットワークアー

dataset

learning

adversarial

arXiv reaDer

NAS

arXiv

residual
リンク
敵対的ロバスト性のための多様な構造化ネットワークの学習
arxiv_reader 2021/02/04
敵対的訓練（AT）では、モデルがあまり研究されていない間、主な焦点は目的とオプティマイザーでした。そのため、使用されているモデルは依然として標準訓練（ST）の古典的なモデルです。従来のネットワークアー

adversarial

residual

arXiv

learning

arXiv reaDer

dataset
リンク
GP-NASを使用した異種モデルアンサンブルによる実像超解像
arxiv_reader 2021/01/25
ディープニューラルネットワーク（DNN）の進歩に伴い、最近の最先端（SOTA）画像の超解像（SR）手法は、密なスキップ接続を備えたディープ残余ネットワークを使用して印象的なパフォーマンスを実現していま

residual

super-resolution

dataset

benchmark

arXiv

DNN

NAS

arXiv reaDer
リンク
効率的なモバイルネットワーク設計のためのボトルネック構造の再考
arxiv_reader 2020/11/30
最近、反転残差ブロックがモバイルネットワークのアーキテクチャ設計を支配しています。これは、反転残差の学習と線形ボトルネックの使用という2つの設計ルールを導入することで、古典的な残差ボトルネックを変更

NAS

arXiv

classification

residual

gradient

arXiv reaDer

learning

detection
リンク
1

お知らせ

もっと読む

公式Twitter

@HatenaBookmark
リリース、障害情報などのサービスのお知らせ
@hatebu
最新の人気エントリーの配信

キーボードショートカット一覧

j次のブックマーク

k前のブックマーク

lあとで読む

eコメント一覧を開く

oページを開く

設定を変更しましたx