- 博客(159)
- 收藏
- 关注
RSS订阅原创 直冲A会！时间序列结合预训练，准确率飙升！
提出的语境对齐（Context-Alignment）方法，创新性地利用双尺度图结构将时序数据融入自然语言语境，使LLMs能像理解语言一样理解时序模式，在Few-Shot和Zero-Shot任务中性能提升显著，同时降低计算开销。通过泛化预测任务、设计TimeAttention机制，在多任务实验中表现优异，还进行模型分析，指出不足并展望未来，为时间序列预测提供新方案。阐述其设计原理、组件构成，经多实验对比验证性能，分析模型特性，指出局限并展望未来，为时间序列预测提供新思路。
2025-05-06 20:00:00
152
原创 太绝了！Transformer+图像处理，显著提升图像修复质量和效率！
而SparseViT则利用稀疏自注意力机制，优先强化与篡改相关的低频特征，同时保留高频语义信息，极大地提升了模型在跨场景数据集上的性能。文章提出用于图像修复的TransInpaint模型，通过上下文自适应Transformer和纹理增强网络提升修复效果，经实验验证其优势，同时指出不足与未来改进方向。文章提出ITrans网络用于图像修复，融合CNN与Transformer优势，设计全局和局部变压器模块提升性能。这些创新不仅优化了模型的效率和效果，更为图像处理的未来发展开辟了新的方向。
2025-05-02 20:00:00
280
原创 LSTM+注意力机制！学会这些包发顶会的！
本文提出了一种用于医学报告生成的多模态模型CA-TriNet，结合协同注意力机制和三重LSTM模块，通过优化特征传递和动态调整权重，有效提升了医学图像到文本的生成质量，尤其在小规模数据集上表现出色。融合时空特征的新型架构：提出了一种增强型混合LSTM-CNN架构，将LSTM的时间依赖性捕捉能力和CNN的空间特征提取能力相结合，显著提升了入侵检测的准确性。泛化能力强：模型在对抗攻击测试中表现出色，即使在高强度攻击下，准确率仍高达90.2%，远高于其他模型，证明了其在实际应用中的可靠性和稳定性。
2025-04-30 20:00:00
427
原创 涨点神器！自适应特征融合10种最新创新方案！
通过学习如何在不同层次上对特征进行空间过滤，解决了单次检测器中特征金字塔的不一致性问题，从而提高了模型对多尺度目标的检测能力。这种创新方法在保持高效率的同时，显著提升了YOLOv3的性能，在COCO数据集上达到了43.9% AP（29 FPS），成为单次检测器中的先进水平。不仅能够提高模型的性能，还能增强其在复杂场景中的适应性和鲁棒性，为未来的研究和应用提供了新的方向和思路。设计MSFF模块，融合骨干网络不同层的特征，兼顾细节和语义信息，提升模型对复杂姿态的捕捉能力。
2025-04-29 20:00:00
317
原创 狂登Nature子刊！2025年KAN还是大势！
以MNIST和Fashion-MNIST数据集为基础，对比AF-KAN与MLP、其他KANs的性能，设置相同参数和相同网络结构两种对比场景。该架构结合CNN与KAN，在四个公开数据集上实验，证明其在半监督学习场景下性能卓越，为医学图像分割提供新方案，且提升了KAN在该领域的可解释性。拓展ReLU-KAN，引入多种激活函数及其组合，增强模型特征提取能力，改善ReLU-KAN对负输入处理的不足。架构构建：设计基于KAN的U-Net管道，由卷积块和KAN-Conv块组成，利用共享编码器和多解码器结构。
2025-04-28 20:00:00
273
原创 顶会首选！Mamba+CNN强强联合，准确率狂飙！
通过融合CNN、Transformer和Mamba架构的优势，采用三阶段编码器-解码器结构，在多尺度特征学习中分别利用局部特征提取、全局上下文建模和动态特征优化的能力，从而在多种图像恢复任务中实现领先性能并保持高推理效率。通过融合CNN的局部特征提取能力和Mamba的全局上下文建模能力，同时保持计算和内存效率，从而在多个公共基准数据集上实现了更高的性能。此外，设计了特征引导区域感知损失函数(FRLoss)以提高分割精度，并在三个数据集上验证了该方法在保持计算效率的同时达到最先进的性能。
2025-04-27 20:00:00
646
原创 ICLR 2025杰出论文均为华人一作！
ICLR 2025杰出论文出炉了！作为人工智能领域的重要会议之一，吸引了全球众多顶尖学者和研究人员的关注。
2025-04-25 19:00:09
269
原创 超好“水”文！10个YOLO小目标检测涨点模块，速码！
本文探讨了如何通过修改YOLOv5的结构元素及其连接参数，以提高其对小目标（即输入图像中占据较小像素区域的对象）的检测性能，并提出了一系列名为。该框架能够动态更新图结构以适应复杂的交通场景，并通过Grad-CAM等技术增强模型可解释性，实验结果表明其性能显著优于现有方法。针对无人机边缘设备检测进行了优化，通过自适应空间融合机制、动态稀疏注意力和网络剪枝策略，显著提升了小目标检测的精度和效率。则专注于无人机场景，引入了DSDM-LFIM骨干网络和专门的小目标检测分支，有效提升了对密集小目标的检测能力。
2025-04-24 20:00:00
408
原创 再发Nature！对比学习+多模态，性能显著提升！
文章聚焦于多模态对比学习中的机器遗忘问题，提出双曲对齐校准（HAC）方法，通过在双曲空间中调整对比学习的目标函数和引入新的约束，与欧氏空间模型对比，探究不同几何空间下概念移除效果，为模型的安全性和合规性应用提供依据。文章聚焦持续多模态对比学习（CMCL）问题，定义稳定性和可塑性原则，推导基于梯度投影的优化方法，在7个数据集上对比多种基线方法进行实验，验证了方法的有效性，为多模态学习领域提供了新的研究方向和方法。基于零样本分类评估，全面对比欧氏和双曲对比学习空间中的机器遗忘效果，揭示双曲方法的优势。
2025-04-23 20:00:00
319
原创 10个超强创新idea！多尺度时间序列精准高效！
近年来的研究成果显示，通过创新的方法和技术，研究人员能够更有效地处理复杂的时间序列数据，提升预测的精度和效率。Scaleformer提出了一种通用的多尺度框架，通过迭代优化不同尺度的时间序列，显著提升了预测性能。该模型融合Inception和Transformer架构，利用多尺度卷积和多头注意力机制，结合滤波器组技术，在两个公开数据集上进行实验，展现出良好的分类性能。通过在该数据集上对大语言模型进行持续预训练，提升了模型在时间序列任务中的推理能力，为时间序列分析提供了新的研究方向。
2025-04-22 20:00:00
437
原创 PINN新思路！结合频域，25年最好发文的方向！
显著降低了计算复杂度，减少输入样本需求，并在热传导、Burgers方程等场景中实现误差降低1-2个数量级，训练效率提升6-20倍。介绍其原理与应用，通过多个算例测试，展示该方法在层流和湍流模拟中的效果，并得出相关结论，为湍流研究提供新途径。对比实验分析，对比ModalPINN与传统PINN，研究不同训练配置下的表现，分析模态和物理方程惩罚的效果。构建理论模型，基于物理信息神经网络概念，结合先验字典和模态分解，建立ModalPINN的理论框架。
2025-04-21 20:00:00
498
原创 顶会收割机！PINN变种，效率提升3倍！
此外，研究人员还探索了多种策略来平衡PINN的损失函数，如自适应损失平衡方法（dbPINNs）和动态优先自适应损失平衡技术（dpPINN），这些方法通过动态调整损失项的权重，提高了模型的效率和准确性。文章针对含大量错误数据时PINN难以准确重构PDE解和参数的问题，提出LAD-PINN和MAD-PINN方法，通过实验对比，展示其在处理不同类型噪声数据时的优势与效果。LAD-PINN在处理含异常值和噪声的数据时，相比传统PINN，能更准确地重构解和恢复参数，尤其在数据高度损坏时优势明显。
2025-04-18 20:00:00
358
原创 直接起飞！Transformer+U-Net，2025依旧炙手可热！
AFTer-UNet通过轴向融合机制，将卷积层和变换器的优势相结合，减少了计算复杂度，同时在多器官分割数据集上取得了优异的分割效果。构建模型：设计包含生成器和判别器的MWG-UNet++架构，其中RAUNet结合Transformer和U-Net进行脑肿瘤分割。提出MWG-UNet++模型，将Transformer集成到U-Net框架中，增强了模型捕捉长距离依赖和全局上下文的能力。通过分析Unet的特征学习模式，引入语义一致性正则化和内部特征蒸馏，在多个数据集上实验验证了该方法的有效性。
2025-04-17 20:00:00
497
原创 最强组合！Mamba+时间序列，准确率接近100%！
近期的研究成果表明，Mamba架构通过引入双向结构、遗忘门以及自适应策略选择等创新点，显著提升了时间序列预测的性能。本文提出了一种新的框架HIGSTM，通过引入指数引导频率滤波分解方法提取时间序列的共性和特性，并结合层级信息引导的时空Mamba结构，有效捕捉股票市场的动态和静态关系，从而提升股票时间序列预测性能。该方法通过一个网络生成点预测，另一个网络估计预测不确定性（建模方差），并在合成和真实数据集上验证了其有效性。提出了Mamba-ProbTSF，一种结合点预测和预测不确定性的双网络框架。
2025-04-16 20:00:00
320
原创 特征选择持续发力！学会这些，轻松稿定二区+！
最新研究表明，基于元学习与因果推理的混合算法（如Google Research最新提出的CausalFS框架）不仅能自动剔除冗余特征，更能识别数据背后的因果关联，使模型效率。通过公开数据集验证，该方法实现了79.70 ± 7.98%的平均准确率，能够有效识别不同空间位置的神经活动特征，为脑机接口和假肢系统提供了潜在应用价值。本文提出了一种新的方法（UGRFS），通过全局视图重建和样本不确定性感知来解决多视角多标签特征选择中的噪声和冗余问题。UGRFS方法有效解决了多视角多标签特征选择中的噪声和冗余问题。
2025-04-15 20:00:00
404
原创 又登Nature！UNet这些改进思路不要太好用！
此外，UNet不仅训练效率优异，还可以与图神经网络、注意力机制网络等热门技术相结合，在医学图像处理中显著提升重建精度。UNet通过引入残差连接、注意力机制和密集连接等创新技术，从而在CT稀疏重建中能够更好地抑制条纹伪影，实现图像质量的显著提升。经实验对比，该网络性能优异，为提升CT图像质量提供了新途径，且在其他图像处理任务也有应用潜力。经多数据集实验验证，scAG能有效提升U-Net分割性能，为医学图像分割提供新的改进方向。提出scAG，融合空间和通道注意力机制，改进U-Net的跳跃连接，减少信息冗余。
2025-04-14 20:00:00
452
原创 又一篇CCF-A！强化学习+多目标优化，吊打传统方法！
文章提出一种基于单偏好条件模型的多目标组合优化学习方法，设计相应强化学习算法，在多个问题上实验，验证其相比其他方法在解质量、速度和模型效率上的优势。更值得关注的是，阿里云最新发布的多目标大模型对齐技术，在金融交易RL系统中平衡收益与风险，夏普比率较单目标模型。首次提出CMORL问题，考虑学习过程中目标的动态变化，拓展了多目标强化学习的研究范畴。定义CMORL问题，将其建模为多目标马尔可夫决策过程序列，明确任务目标和学习要求。方法可视为基于分解的多目标进化算法的学习扩展，用单模型处理所有偏好，提升效率。
2025-04-11 20:00:00
479
原创 可解释性杀疯了！结合机器学习，发顶会轻轻松松！
文章针对大规模马尔可夫决策过程（MDPs）中优化可解释策略计算难题，改进单调策略迭代算法（MPI），提出 MMPI 算法，研究不同状态排序规则对其影响，并通过实验对比分析，为求解可解释策略提供参考。文章围绕机器学习可解释性方法展开，对相关概念进行阐述，提出分类体系，从多方面分析各类方法并给出代码实现链接，探讨该领域现状与未来发展方向。这些成果不仅提高了模型的预测性能，还通过增强可解释性，让复杂的机器学习模型变得更加透明，为实际应用提供了有力支持。公平性研究进展大，但在非表格数据方面仍有欠缺。
2025-04-10 20:00:00
636
原创 AAAI 2025新研究！大语言模型+MARL=论文新思路？
本文提出了一种基于虚幻引擎（Unreal Engine）的多智能体强化学习通用平台Unreal-MAP，允许用户利用虚幻社区丰富的视觉和物理资源自由创建多智能体任务，并部署最先进的MARL算法。ICLR 2025最新收录的。本文研究了深度强化学习（DRL）在多级库存优化（MEIO）中的适用性，提出了一种新型的迭代多智能体强化学习（IMARL）方法。Unreal-MAP为多智能体强化学习领域提供了一个全面的工具，促进算法与用户自定义任务的紧密集成。通过实验验证，展示了平台在多智能体任务中的有效性和灵活性。
2025-04-09 20:00:00
544
原创 时间序列25年还是顶流！结合因果推理，狂揽顶刊顶会！
在因果推理与时间序列结合的领域，最新研究成果显示，通过创新的方法和技术，研究人员能够更有效地从时间序列数据中发现因果关系。本文提出了一种新的架构KANGCI，基于Kolmogorov-Arnold Networks (KAN)，通过提取基础权重并结合稀疏诱导惩罚和岭正则化，有效推断时间序列中的Granger因果关系。这些创新不仅提高了从时间序列数据中发现因果关系的准确性，还为动态系统中的因果推理提供了新的理论和实践工具，推动了该领域的进一步发展。LOCAL在合成和真实数据集上的实验表明其显著优于现有方法。
2025-04-08 20:00:00
358
原创 医学图像分割效率大幅提升！U-Net架构升级，助力精度提升5%！
论文提出了一种改进的U-Net模型GASA-UNet，通过引入Global Axial Self-Attention (GASA)块，结合Transformer的全局注意力机制与局部特征提取能力，解决了医学图像中器官边界模糊和小结构分割困难的问题。本文提出了一种新的UNet架构（STA-UNet），通过引入Super Token Attention机制，有效减少了浅层Transformer的冗余计算，同时保留了丰富的全局信息。提出了基于三个2D卷积核生成补丁的新方法，增强了语义相似特征的空间编码能力。
2025-04-07 22:00:00
394
原创 Mamba再出手！助力图像增强提速21倍，Transformer时代终结？
而FusionMamba创新性地融合多模态医学影像（如CT-MRI），通过跨模态动态特征增强模块，显著提升病灶边界的细节还原能力。文章提出Fusion-Mamba方法用于跨模态目标检测，设计FMB块融合特征，在多个数据集上进行实验，验证其在减少模态差异、提升融合效果和检测性能方面的优势。该模型整合多种技术，利用多模态数据提升预测精度，经实验验证效果优于多种先进方法，为 AD 诊断提供新途径。首次探索Mamba在跨模态融合中的潜力，构建隐藏状态空间减少特征差异，增强融合特征的一致性。
2025-04-03 20:00:00
348
原创 跨模态对齐技术革新！CRA框架让视频问答准确率飙升2.2%，可解释性MAX！
通过HDI获取多层级数据，ICMA策略建立特征连接，OFCA模块优化特征，在多个数据集实验，验证其相比现有方法在检测性能上的优势。在ScanNet和SUN RGB-D等数据集上实验，对比多种方法，使用AP、mAP等指标评估，进行消融实验分析各组件作用。它学习统一的模态无关嵌入空间，支持场景检索和对象定位，在ScanNet和3RScan数据集上进行实验，验证了其性能优势。利用预训练2D目标检测器生成2D边界框，投影到3D空间获取3D边界框，监督3D物体定位。
2025-04-02 20:00:00
430
原创 异常检测技术的“效率革命”，学会这些轻松发一区！
最新研究显示，基于自监督学习与图神经网络的混合模型在工业设备故障预测中实现98.7%准确率，微软团队更将金融欺诈检测误报率降低60%，阿里云工业质检系统借助多模态时空建模，使缺陷识别速度提升4倍。通过强化学习引导生成模型合成多样且具挑战性的异常样本，结合Mamba模型的混合专家结构进行检测，在ADBench基准测试上验证了该框架的有效性。这些创新不仅提升了异常检测的准确性，还优化了计算资源的使用，为异常检测技术在实际应用中的推广和深化提供了有力支持。
2025-04-01 20:00:00
299
原创 AI设计AI？神经架构搜索让算法进化自动化，人工调参时代终结！
例如，ATLAS方法通过两阶段过滤和精化优化方案，结合无训练和基于训练的架构评估方法，显著减少了表格数据上的搜索时间，最高可达82.75倍。此外，NAS-NGE方法通过使用标准化偏差和神经切线核（NTK）的标准化第二阶矩的替代品，提供了一种更有效的结构搜索方法，显示出在短时间内搜索的优势。通过为不同节点定制聚合方法，在多个任务中进行实验，验证其在分布外泛化方面的优势，为提升图神经网络性能提供新思路。设计自适应聚合注意力机制，分离度分布和不同的同配性，进行多维度架构搜索。
2025-03-31 20:00:00
280
原创 10个创新idea！少样本目标检测，利用3%数据，达到95%性能！
论文提出SMILe框架用于少样本目标检测，通过组合互信息函数和子模信息函数构建联合目标函数，解决类别混淆和灾难性遗忘问题，在PASCAL-VOC和MS-COCO数据集上进行实验，验证了该框架的有效性。在1-shot和5-shot场景下，检测精度分别提升了10%和8%。此外，通过数据增强和自监督模型的应用，仅使用3%的数据就能达到80%的准确率，相当于使用全尺寸数据训练的。不同数据增强策略在不同数据集和训练场景下表现不同，自动数据增强方法在部分场景有优势，定制增强策略在特定数据集的低样本情况下表现较好。
2025-03-28 20:00:00
326
原创 遥感技术新突破！极低码率压缩，重建质量提升40%！
该模型结合了矢量地图的语义信息和预训练扩散模型的生成能力，实现了在极低码率条件下的高质量遥感影像重建。文章聚焦光学遥感中反射率术语和产品缺乏标准化的问题，明确定义相关反射率量，结合案例分析当前使用情况，对比不同反射率产品，强调标准化的重要性。这些创新不仅提升了遥感数据的处理效率，还为遥感技术在环境监测、灾害预警、资源管理等领域的应用开辟了新的可能性。利用 MISR 数据，统计分析不同反射率产品间的差异，并探究其与气溶胶光学深度等因素的关系。研究员团队在极低码率遥感图像压缩方面取得了显著进展，提出了一种。
2025-03-27 20:00:00
347
原创 ICLR 2025 高分论文！当扩散遇上Transformer，生成质量狂飙，效率提升50%！
最新研究表明，通过将扩散模型的逐步生成能力与Transformer的自注意力机制相结合，模型在。构建了高质量的大规模训练数据集Vchitect T2V DataVerse，提升模型训练和泛化能力。提出了基于混合并行主义和内存优化技术的高效训练框架，支持长视频序列的分布式训练。设计了多模态扩散块以确保文本描述与生成视频帧之间的一致性，并保持时间连贯性。创建包含严格注释和美学评估的百万级高质量数据集，支持复杂任务的训练。结合数据并行和序列并行技术，使用重计算和卸载等方法优化内存消耗。
2025-03-26 20:00:00
433
原创 图像逼真度高达90%！扩散模型+文本图像生成，AI绘画商业化落地加速！
最新研究显示，通过将文本生成技术与先进的扩散模型深度融合，不仅能够根据用户输入的简单文本快速生成高质量、高分辨率的图像，还能在生成过程中实现对细节和风格的精准控制。基于深入分析关键组件如文本编码器和VAE，提出DiT-Air和DiT-Air-Lite，分别在GenEval和T2I CompBench上达到SOTA性能。从艺术创作到商业设计，从虚拟现实到游戏开发，文本图像生成与扩散模型的结合正为视觉内容的智能化创作开辟无限可能，开启创意表达的新纪元。紧凑型模型DiT-Air-Lite仍能超越大多数现有模型。
2025-03-25 20:00:00
263
原创 效率提升50%！物理信息强化学习新高度，智能决策准确率狂飙！
例如，在智能控制和机器人任务中，PIRL不仅将模型的训练效率提升了40%，还将决策的准确性提高到95%以上，显著优于传统方法。本文研究二维含圆形障碍物平面中多无人机追逃策略，将任务分包围和追逃两阶段，设计相应算法，通过仿真分析各因素影响，PPO 在多智能体合作任务中，最终回报和样本效率可与前沿算法相媲美，能作为有力的基线算法。确定影响 PPO 性能的五个关键因素，并给出最佳实践建议，增强其在多智能体场景的实用性。在多智能体合作场景中的性能，通过实验证明其表现出色，并分析影响其性能的关键因素，为。
2025-03-24 20:00:00
572
原创 效率狂飙40%！时间序列+聚类，轻松发顶会！
文章回顾并评估了用于时间序列聚类的弹性距离函数，对比9种弹性距离函数在k-means和k-medoids聚类算法下的表现，发现MSM和TWE表现更优，并给出实验结论与应用建议。文章提出一种受时间序列技术启发的定时序列聚类方法，将drop-DTW和DBA方法应用于医疗护理路径分析，通过实验验证其有效性，并探讨了方法的优缺点和未来研究方向。在UCR数据集上，k-medoids聚类器结合弹性距离函数的效果优于k-means，更适合时间序列聚类。的应用提供了更精准的解决方案，开启了数据分析的新篇章。
2025-03-23 20:00:00
292
原创 不卷好发的idea！KAN+特征提取，推理速度提升30%！
提出多种 KAN 变体，如 T-KAN、Wav-KAN 等，适应不同任务需求，提升在动态环境、高维数据处理等方面的性能。正在成为研究热点，为复杂数据处理带来新的突破。提出基于 KAN 的多编码器 - 单分类器架构的 iKAN 框架，用于跨异构数据集的增量学习，减少灾难性遗忘。
2025-03-22 20:00:00
281
原创 医学图像分割新突破！SAM模型让病灶检测精度提升35%
通过设计多尺度提示生成器和3D深度融合适配器，该框架能够自动生成辅助掩码、边界框和中心点提示，并使预训练的2D SAM模型适应3D医学图像分割任务。该方法解决了传统多选择学习（MCL）在医学图像分割中的局限性，包括固定输出数量和稀疏损失函数导致的预测头主导问题，同时支持任意数量的掩码生成。从肿瘤检测到心血管分析，SAM与医学图像分割的结合正在为医疗影像智能化注入新的活力，开启精准医疗的新篇章。设计了3D深度融合适配器，并将其注入到SAM的图像编码器和掩码解码器中，以支持3D医学图像分割。
2025-03-21 20:00:00
424
原创 多模态大模型杀疯了！性能提升70%，跨模态检索的“硬核”突破！
本文系统研究了多模态融合架构设计对3D异常检测（3D-AD）的影响，提出了一种新的神经架构搜索方法3D-ADNAS，首次同时搜索多模态融合策略和模态特定模块，显著提升了3D-AD在精度、帧率和内存使用方面的性能，并展现出处理小样本任务的潜力。这种创新不仅优化了数据处理效率，还让机器能够更自然地理解和交互，为人工智能的未来发展开辟了新的路径，开启了智能技术的多模态新时代。3D-ADNAS方法能够高效搜索出适合3D-AD的多模态融合架构，在多种任务中表现优异。
2025-03-19 20:00:00
476
原创 3倍训练速度+40%显存节省！Mamba+Transformer 仅用一半时间，性能提升80%！
通过结合Vision Mamba、卷积网络和Transformer的优势，有效捕获全局与局部信息，从而提升机器人视觉抓取在复杂场景中的适应性、精确性和灵活性。的效率提升了50%，同时在语言生成和图像识别任务中的准确率达到了惊人的95%。通过探索不同粒度下组件移除对模型大小和计算开销的影响，提出了一种名为Mamba-Shedder的剪枝方案，在保持精度的同时显著提升模型效率。Mamba与Transformer的结合，正在为多模态智能系统的发展注入新的活力，开启智能技术的全新篇章。
2025-03-18 20:00:00
468
原创 训练成本砍半！DeepSeek背后的“硬核”技术，让AI性能飞跃！
本文探讨了在CIFAR-10数据集上优化Tiny ViT的设计方法，通过数据增强、低秩压缩和多类标记策略等手段提升模型性能，并揭示了Transformer中存在冗余信息的可能性，为高效设计小型ViT提供了框架与洞见。DeepSeek-VL2是一系列先进的大型MoE视觉-语言模型，通过动态拼接视觉编码策略和Multi-head Latent Attention机制，在视觉和语言组件上实现了显著改进。这种创新不仅为AI模型的性能提升提供了新的思路，也为未来智能系统的发展注入了强大动力。
2025-03-17 20:00:00
404
原创 CVPR满分！数据蒸馏大突破，仅用20%数据，模型准确率提升10%！
本文提出了一种任务无关的提示压缩方法LLMLingua-2，通过数据蒸馏和双向上下文建模，显著提升了提示压缩的效率和保真度。最新研究展示了如何通过数据蒸馏，从海量的标注数据中提取最具代表性的样本，构建出更高效、更紧凑的训练集。例如，在大规模图像分类任务中，经过蒸馏的数据集让模型在仅使用20%数据的情况下，通过优化上下文数据，ICD显著提升了TabPFN的性能，使其在48个大型OpenML数据集上表现优异。本文提出了一种新的上下文数据蒸馏方法（ICD），用于扩展TabPFN模型处理大规模表格数据的能力。
2025-03-14 20:00:00
385
原创 传统算法被吊打！特征融合+GNN，模型准确率狂飙至95%！
文章提出一种基于图的语音特征融合方法用于语音情感识别，通过学习多维边特征描述特征间关系，在SEWA数据集上取得良好效果，验证了方法的有效性。最新研究表明，通过将多源特征进行深度融合，并利用GNN的强大图结构建模能力，模型在处理节点分类、图预测等任务时的性能显著提升，特征融合与GNN的结合，正以强大的技术优势，为智能系统的发展注入新的活力，开启数据驱动智能决策的新篇章。使用结构感知Transformer层，结合GNN的消息传递机制和LLM的自注意力机制，处理图结构和文本信息。
2025-03-13 20:00:00
416
原创 抛弃固定参数！自适应小波网络创新，训练成本直降40%！
这种创新结合了小波变换的多尺度分析能力和神经网络的自适应学习特性，能够自动调整小波基函数和网络参数，从而更高效地处理复杂信号和图像数据。通过设计特殊模块提取融合特征，采用复合损失函数训练网络。设计多个功能模块，如 APRB 自适应提取多尺度特征，ASIFB 融合相邻尺度信息，CMAB 增强特征，CRB 减少图像差距。通过频域转换管道和多级特征聚合模块，在多个数据集上进行实验，验证了模型在去噪性能和资源效率上的优势。设计频域转换管道，利用小波变换可逆性，在降分辨率同时保留图像特征，减少内存消耗。
2025-03-12 20:00:00
489
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人