Structural Learning with Amortized Inference

本文介绍了一种加速结构化学习的近似算法AI-DCD,该算法通过缓存整数线性规划中相似的问题及解,减少了对ILP求解器的调用次数,从而显著加快了训练速度,同时保持了较高的预测精度。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

25061157_nCkQ.jpg本文由码农场同步,最新版本请查看原文:http://www.hankcs.com/ml/structural-learning-with-amortized-inference.html
Structural Learning with Amortized Inference
Chang et al. 2015提出加速结构化学习的近似算法AI-DCD,通过缓存整数线性规划中相似的问题及解,减少对ILP solver的调用次数,从而加速训练,同时不损失精度。平摊推断记$\mathbf{y}=\{y_1,y_2,\cdots y_N\}$为一个结构,其中$y_j \in \mathcal{Y}_j$是输出变量$y_j$的所有可选离散值(比如序列标注中的某个元素的标签预测);$\mathbf{y} \in \mathcal{Y}$是所有可能的结构(比如所有可能的标注序列)。则结构化预测...

继续阅读码农场 » Structural Learning with Amortized Inference

原文链接http://www.hankcs.com/ml/structural-learning-with-amortized-inference.html


感谢阅读本文,欢迎 查看原文或访问 码农场 获取更多内容

转载于:https://my.oschina.net/hankcs/blog/1594359

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值