研究提出PENEX神经网络正则化方法
热点事件持续更新
研究提出PENEX神经网络正则化方法
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Klaus-Rudolf Kladny、Bernhard Schölkopf和Michael Muehlebach提出受AdaBoost启发的多类惩罚指数损失PENEX，作为可用一阶方法优化的神经网络训练目标；研究报告称，它在计算机视觉和语言任务的低数据场景中提升了泛化能力，效果与成熟正则化方法相当，部分设置下更好，计算成本相近。
AI 根据报道生成 · 48 分钟前更新
最新进展10月28日 12:00
PENEX：受 AdaBoost 启发的神经网络正则化报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine LearningPENEX：受 AdaBoost 启发的神经网络正则化
研究提出受 AdaBoost 启发的多类惩罚指数损失 PENEX，使指数损失可用一阶方法优化，并可作为训练神经网络的目标函数。在计算机视觉和语言任务的低数据场景中，PENEX提升神经网络泛化能力，表现与成熟正则化方法相当，部分设置下更优，计算成本相近。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。