SVR 相关 AI 资讯 · AITOP · AI热报

8月18日

10:36

10:36

官方账号arXiv cs.LG@Jiaming Li

研究提出解析先验学习框架，在86个仿真标注几何和8998个解析几何上训练。直接SVR的MAE为3.375 Hz，残差SVR降至0.426 Hz。直接MLP的MAE为1.109 Hz，解析先验预训练后全模型微调降至0.371 Hz。在20到70个仿真标注样本的训练预算下，该方法均比直接学习更省数据。该框架可用于仿真数据稀缺时的高保真声学预测。

论文 Helmholtz谐振器 SVR MLP

推荐理由：这个论文用便宜的解析模型帮机器学习打底，仿真数据少也能把误差从3.375Hz压到0.371Hz，做声学仿真的可以看看。

7月23日

12:10

12:10

官方账号arXiv cs.LG@Andrea Napoli

本文提出一种名为PSDA（Paired Sampling for Domain Adaptation）的方差减少技术，专门用于解决无监督域自适应（UDA）中相关对齐和最大均值差异（MMD）损失的高方差问题。PSDA通过配对域内和跨域观测形成四元组，并在训练中始终一起采样。该方法将配对问题转化为线性分配问题以最小化期望梯度方差。在三个域迁移数据集上的实验表明，PSDA提高了目标域准确率。

论文 PSDA Domain Adaptation SVR

推荐理由：PSDA用配对采样给UDA降方差，比同类方法稳定，效果很实在。