★ 2
LOSO 评估下高效无泄漏神经架构搜索
留一被试（LOSO）评估常用于基于被试的分类任务，但完全嵌套的神经架构搜索（NAS）计算成本随被试数呈 O(N^2) 增长。作者提出一种基于块、跨被试共享 NAS 运行的无泄漏方法。在 BioVid 热痛数据集上，平均准确率从 82.79% 提升至 83.39%，参数量最多减少 99.2%。
arXiv cs.LG53 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
留一被试（LOSO）评估常用于基于被试的分类任务，但完全嵌套的神经架构搜索（NAS）计算成本随被试数呈 O(N^2) 增长。作者提出一种基于块、跨被试共享 NAS 运行的无泄漏方法。在 BioVid 热痛数据集上，平均准确率从 82.79% 提升至 83.39%，参数量最多减少 99.2%。