热点事件持续更新

研究提出降低 Tsetlin Machine 推理延迟的训练策略

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

Yefan Zeng 等人提出一种面向推理延迟的 Tsetlin Machine 定向搜索策略：以分类准确率为约束，优先搜索更大的超参数 s；在 gem5 模拟器与 ARM 处理器上的实验中，该方法在六个数据集上最多降低 16.34% 的推理延迟。实验中，部分数据集的准确率仅下降 0.06%，某些数据集则在保持基线准确率时降低了延迟。该策略评估的配置数量也远少于穷举网格搜索。

AI 根据报道生成 · 53 分钟前更新

最新进展10月28日 12:00

面向推理延迟的 Tsetlin Machine 训练

报道时间线

沿着报道，了解事件的不同侧面。

10月28日

12:00
arXiv · Machine Learning
面向推理延迟的 Tsetlin Machine 训练
该研究分析训练超参数 T 和 s 对 Tsetlin Machine 分类准确率与推理延迟的影响，并提出以准确率为约束、向更大 s 搜索的定向策略。在 gem5 模拟器和 ARM 处理器上，该方法在六个数据集上最多降低 16.34% 的推理延迟，部分数据集准确率仅下降 0.06%，且配置评估次数远少于穷举网格搜索。

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。