Kazanskii提交FlowGenesis论文
热点事件持续更新
Kazanskii提交FlowGenesis论文
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
Maksim A. Kazanskii向 arXiv 提交了 FlowGenesis 论文，提出根据表征变化增生或剪除神经元，让网络在训练中自适应调整架构，而不预设目标架构或另做搜索。论文报告的图像和文本分类实验中，不同初始规模的网络在各数据集上趋向相近的最终神经元数量范围，预测性能相当；持续学习实验中，FlowGenesis为后续任务分配的神经元和参数更少，在任务增量设置下准确率与固定宽度的 Progressive Neural Networks 相当。
AI 根据报道生成 · 50 分钟前更新
最新进展10月28日 12:00
FlowGenesis：表征驱动的神经网络架构自组织报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine LearningFlowGenesis：表征驱动的神经网络架构自组织
FlowGenesis以表征变化引导神经元增生与剪枝，使网络在训练中自适应调整架构，无需预设目标架构或单独搜索。图像和文本分类实验显示，不同初始规模的网络在各数据集上趋向相近的最终神经元数量范围，且预测性能相当。持续学习中，它减少后续任务分配的神经元和参数，准确率与任务增量设置下固定宽度的 Progressive Neural Networks 相当。
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。