会员服务
神经结构学习（NSL）是由谷歌推出的一套开源框架，负责利用结构化信号训练深度神经网络。它能够实现神经图学习，使得开发人员得以利用图表训练神经网络。这些图表可以来自多种来源，例如知识图、医疗记录、基因组数据或者多模关系（例如图像 - 文本对）等。NSL 还可延伸至对抗学习领域，其中各输入实例间的结构以对抗性扰动方式动态构建而成。
Federated Neuro-Symbolic Learning
Arxiv
0+阅读 · 5月27日
Neural Structure Learning with Stochastic Differential Equations
Arxiv
0+阅读 · 5月5日
An Empirical Analysis on the Use and Reporting of National Security Letters
Arxiv
0+阅读 · 4月11日
Not all tickets are equal and we know it: Guiding pruning with domain-specific knowledge
Arxiv
0+阅读 · 3月5日
An Empirical Analysis on the Use and Reporting of National Security Letters
Arxiv
0+阅读 · 3月7日
An Empirical Analysis on the Use and Reporting of National Security Letters
Arxiv
0+阅读 · 3月5日
A Neural Scaling Law from Lottery Ticket Ensembling
Arxiv
0+阅读 · 2月2日
Neural Structure Learning with Stochastic Differential Equations
Arxiv
0+阅读 · 2023年11月6日
A Neural Scaling Law from Lottery Ticket Ensembling
Arxiv
0+阅读 · 2023年10月3日
Knowledge Transfer For On-Device Speech Emotion Recognition with Neural Structured Learning
Arxiv
0+阅读 · 2023年5月11日
Explainable Intrusion Detection Systems Using Competitive Learning Techniques
Arxiv
0+阅读 · 2023年3月30日
Uncertainty-aware Self-training for Low-resource Neural Sequence Labeling
Arxiv
0+阅读 · 2023年2月17日
Knowledge Transfer For On-Device Speech Emotion Recognition with Neural Structured Learning
Arxiv
0+阅读 · 2023年1月24日
Knowledge Transfer For On-Device Speech Emotion Recognition with Neural Structured Learning
Arxiv
0+阅读 · 2022年10月26日
A Novel Online Incremental Learning Intrusion Prevention System
Arxiv
0+阅读 · 2021年9月20日
参考链接
微信扫码咨询专知VIP会员
Top