텔레스코핑 렌즈를 통한 딥러닝: 그로킹, 그래디언트 부스팅 등에 대한 실증적 통찰력을 제공하는 단순 모델
본 논문에서는 딥러닝 모델의 학습 과정을 일련의 선형 근사로 표현하는 "텔레스코핑 모델"을 제시하고, 이를 통해 딥러닝의 다양한 현상에 대한 실증적 통찰력을 제공합니다.
딥러닝의 불확실성 정량화를 위한 포괄적인 프레임워크, Lightning UQ Box
Lightning UQ Box는 다양한 딥러닝 작업에서 불확실성 정량화(UQ)를 단순화하고 표준화하여 실질적인 적용을 위한 딥러닝 모델의 신뢰성과 견고성을 향상시키는 것을 목표로 하는 포괄적인 프레임워크입니다.
다양한 딥 네트워크의 학습 과정이 동일한 저차원 다양체를 탐색한다
다양한 구조, 크기, 최적화 방법, 정규화 기법, 데이터 증강 기법, 가중치 초기화를 가진 딥 네트워크들이 예측 공간에서 동일한 저차원 다양체 상에 있다.
딥러닝에서 기하학적으로 적응된 경사 하강법을 통한 균일한 지수 수렴률의 전역 L2 최소화
기하학적으로 적응된 경사 하강법을 통해 과대 매개변수화된 딥러닝 네트워크에서 L2 비용 함수가 균일한 지수 수렴률로 전역 최소값에 도달함을 보여준다.
깊이 모델 학습을 위한 제로 차수 최적화 기술의 확장
제로 차수 최적화 기술을 활용하여 깊이 모델을 효과적으로 학습할 수 있는 새로운 프레임워크 DeepZero를 제안한다.
대규모 모델의 분산 환경에서 비동기적 학습을 위한 ATOM
ATOM은 저렴한 하드웨어를 사용하여 분산 환경에서 대규모 모델을 비동기적으로 학습할 수 있는 탄력적인 분산 학습 프레임워크입니다.
딥러닝 네트워크의 기하학적 구조와 전역 L2 최소화기 구축
이 논문에서는 과소매개변수화된 딥러닝 네트워크에서 L2 비용 함수의 국소 및 전역 최소화기를 명시적으로 결정한다. 이를 통해 딥러닝 네트워크의 기하학적 구조와 특성에 대한 엄밀한 수학적 이해를 얻는다.
노이즈가 있는 기반 모델로 학습하기
노이즈가 있는 사전 훈련 데이터는 ID 작업에 유익하고 OOD 작업에는 해로운 영향을 미칩니다.
이미지 분류의 강인성과 설명 강인성은 실제로 강하게 상관 관계가 있습니까? 입력 손실 랜드스케이프를 통한 분석
이 논문은 이미지 분류 시스템의 강인성에 대한 중요성을 강조하며, 이미지 분류 강인성과 설명 강인성이 강하게 상관 관계가 있는 것을 도전합니다. 설명 강인성을 향상시키는 것이 반드시 설명 손실에 대한 입력 손실 랜드스케이프를 평평하게 만들지는 않음을 보여줍니다.
다항식 폭은 고차원 특징을 가진 집합 표현에 충분하다
다항식 폭은 고차원 특징을 가진 집합 표현에 충분하다.
© 2024 by Linnk AI