Teorema del límite central para estimadores de cuantiles SGD
Nuevo teorema de límite central valida la estimación de cuantiles con SGD. Método recursivo para intervalos de confianza robustos.
#tasa de aprendizaje
Twin: ajuste de tasa de aprendizaje y decay sin validación
Twin ajusta LR y weight decay sin validación, logrando error absoluto medio del 1.28%. Ideal para datos escasos o imágenes médicas. ¡Optimiza!
Sesgos en conflicto en el borde de la estabilidad: norma vs nitidez
El aprendizaje no es solo minimizar la norma o la nitidez. Este estudio revela cómo la tasa de aprendizaje equilibra ambos sesgos implícitos. ¡Lee más!
Aprendizaje de características en Gated Delta Networks a escala
Descubre cómo las Gated Delta Networks logran transferencia estable y eficiente de tasa de aprendizaje al escalar con nuevas reglas de parametrización.
AdaGrad++ y Adam++: métodos adaptativos simples sin parámetros
Descubre AdaGrad++ y Adam++: algoritmos adaptativos sin parámetros que ofrecen convergencia garantizada. Optimiza deep learning sin ajustes manuales.