[B! zero-shot][NAS] arxiv_readerのブックマーク

arxiv_reader id:arxiv_reader

zero-shotとNASに関するarxiv_readerのブックマーク (22)

https://arxiv-check-250201.firebaseapp.com/each/2402.18213v2
arxiv_reader 2024/06/21
metric

dataset

NAS

differentiable

arXiv

transformer

arXiv reaDer

zero-shot
リンク
https://arxiv-check-250201.firebaseapp.com/each/2307.01998v3
arxiv_reader 2024/06/19
NAS

arXiv

learning

arXiv reaDer

zero-shot

benchmark

dataset
リンク
https://arxiv-check-250201.firebaseapp.com/each/2405.07194v1
arxiv_reader 2024/05/14
classification

CNN

transformer

arXiv

detection

differentiable

pruning

arXiv reaDer

zero-shot

NAS
リンク
https://arxiv-check-250201.firebaseapp.com/each/2402.02105v1
arxiv_reader 2024/02/06
Bayesian

transformer

zero-shot

arXiv

benchmark

estimation

differentiable

NAS

loss function

arXiv reaDer
リンク
https://arxiv-check-250201.firebaseapp.com/each/2307.01998v2
arxiv_reader 2023/10/18
dataset

zero-shot

benchmark

arXiv

learning

arXiv reaDer

NAS
リンク
エッジでの継続的な学習のための効率的なモデル適応
arxiv_reader 2023/10/17
ほとんどの機械学習 (ML) システムは、トレーニングおよび展開中に定常で一致するデータ分布を前提としています。これは多くの場合、誤った仮定です。 ML モデルが実際のデバイスに展開されると、環境要

autoML

domain adaptation

NAS

zero-shot

arXiv

arXiv reaDer

detection

OOD

benchmark

DNN
リンク
https://arxiv-check-250201.firebaseapp.com/each/2309.14666v1
arxiv_reader 2023/09/27
zero-shot

NAS

bias

arXiv

arXiv reaDer

semantic segmentation

metric

detection

classification
リンク
EGANS: ゼロショット学習のための進化的敵対的生成ネットワーク検索
arxiv_reader 2023/08/22
ゼロショット学習 (ZSL) は、予測モデルのトレーニングのために収集できない新しいクラスを認識することを目的としています。したがって、生成モデル (敵対的生成ネットワーク (GAN) など) は通

NAS

arXiv

GAN

adaptation

arXiv reaDer

synthesis

learning

zero-shot

dataset

classification
リンク
エッジでの継続的な学習のための効率的なモデル適応
arxiv_reader 2023/08/07
ほとんどの機械学習 (ML) システムは、トレーニングおよび展開中に定常で一致するデータ分布を前提としています。これは多くの場合、誤った仮定です。 ML モデルが実際のデバイスに展開されると、環境要

domain adaptation

arXiv reaDer

autoML

NAS

benchmark

detection

arXiv

OOD

zero-shot

DNN
リンク
ゼロショットニューラルアーキテクチャ検索: 課題、解決策、機会
arxiv_reader 2023/07/06
最近、NAS をトレーニング要件から解放するために、ゼロショット (またはトレーニング不要) ニューラルアーキテクチャ検索 (NAS) アプローチが提案されています。ゼロショット NAS アプロー

arXiv reaDer

learning

arXiv

NAS

benchmark

dataset

zero-shot
リンク
RD-NAS: ゼロコストプロキシからのランキング蒸留によるワンショットスーパーネットランキング機能の強化
arxiv_reader 2023/01/25
ニューラルアーキテクチャ検索 (NAS) は、効果的なニューラルネットワーク構造の自動設計において大きな進歩を遂げましたが、計算負荷が大きくなります。ワンショット NAS は、重みの共有によって負

arXiv

arXiv reaDer

distillation

one-shot

NAS

zero-shot
リンク
EZNAS: ニューラルアーキテクチャスコアリングのための進化するゼロコストプロキシ
arxiv_reader 2022/12/22
ニューラルアーキテクチャ検索 (NAS) により、ニューラルネットワーク (NN) の設計と展開における生産性が大幅に向上しました。 NAS は通常、複数のモデルを部分的または完全にトレーニングし

zero-shot

learning

arXiv

NAS

arXiv reaDer

dataset
リンク
EZNAS: ニューラルアーキテクチャスコアリングのための進化するゼロコストプロキシ
arxiv_reader 2022/09/16
ニューラルアーキテクチャ検索 (NAS) により、ニューラルネットワーク (NN) の設計と展開における生産性が大幅に向上しました。 NAS は通常、複数のモデルを部分的または完全にトレーニングし

zero-shot

arXiv reaDer

arXiv

NAS

learning
リンク
MAE-DET：効率的なオブジェクト検出のためのゼロショットNASの最大エントロピー原理の再検討
arxiv_reader 2022/06/16
オブジェクト検出では、検出バックボーンが全体的な推論コストの半分以上を消費します。最近の研究では、Neural Architecture Search（NAS）を使用してバックボーンアーキテクチャを最

dataset

arXiv

NAS

human

benchmark

detection

zero-shot

pre-training

arXiv reaDer
リンク
MAE-DET：効率的なオブジェクト検出のためのゼロショットNASの最大エントロピー原理の再検討
arxiv_reader 2022/06/06
オブジェクト検出では、検出バックボーンが全体的な推論コストの半分以上を消費します。最近の研究では、Neural Architecture Search（NAS）を使用してバックボーンアーキテクチャを最

dataset

human

detection

arXiv

benchmark

zero-shot

NAS

arXiv reaDer
リンク
ゼロショットニューラルアーキテクチャ検索からの効率的なオブジェクト検出バックボーンの再検討
Revisiting Efficient Object Detection Backbones from Zero-Shot Neural Architecture Search オブジェクト検出モデルでは、検出バックボーンは全体的な推論コストの半分以上を消費します。最近の研究では、Neural Architecture Search（NAS）を使用してバックボーンアーキテクチャを最適化することにより、このコストを削減しようとしています。ただし、オブジェクト検出用の既存のNASメソッドは、数百から数千のGPU時間の検索を必要とするため、ペースの速い研究開発では実用的ではありません。この作業では、この問題に対処するための新しいゼロショットNAS手法を提案します。 ZenDetという名前の提案された方法は、ネットワークパラメータをトレーニングせずに効率的な検出バックボーンを自動的に設計し、アー
arxiv_reader 2021/11/29
オブジェクト検出モデルでは、検出バックボーンは全体的な推論コストの半分以上を消費します。最近の研究では、Neural Architecture Search（NAS）を使用してバックボーンアーキテクチ

arXiv

pre-training

benchmark

NAS

human

arXiv reaDer

dataset

detection

zero-shot
リンク
コンテキスト自己回帰を使用した完全注意ベースのニューラルアーキテクチャ検索
arxiv_reader 2021/11/16
自己注意アーキテクチャは、視覚タスクのパフォーマンスを改善するための最近の進歩として浮上しています。自己注意ネットワークのアーキテクチャを手動で決定することは、専門家の経験に依存しており、さまざまなシ

learning

zero-shot

self-supervised

attention

NAS

classification

arXiv reaDer

arXiv
リンク
ニューラルアーキテクチャの効率的なパフォーマンス推定量の評価
arxiv_reader 2021/11/01
ニューラルアーキテクチャの効率的なパフォーマンス見積もりを実施することは、ニューラルアーキテクチャ検索（NAS）の主要な課題です。 NASのアーキテクチャトレーニングコストを削減するために、ワンショッ

one-shot

arXiv reaDer

NAS

bias

arXiv

zero-shot
リンク
非線形係数-ニューラルアーキテクチャ設計の実用ガイド
arxiv_reader 2021/05/27
本質的に、ニューラルネットワークは任意の微分可能でパラメーター化された関数です。任意のタスクにニューラルネットワークアーキテクチャを選択することは、それらの関数の空間を検索するのと同じくらい複雑です。

CNN

estimation

dataset

loss function

LSTM

metric

NAS

arXiv

zero-shot

arXiv reaDer
リンク
Zen-NAS：高性能の深部画像認識のためのゼロショットNAS
arxiv_reader 2021/03/29
精度予測子は、アーキテクチャをランク付けするためのニューラルアーキテクチャ検索（NAS）の重要なコンポーネントです。高品質の精度予測子を構築するには、通常、膨大な計算が必要です。この問題に対処するため

zero-shot

pre-training

arXiv

NAS

arXiv reaDer
リンク
1 2 次のページ

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