树蒸馏方法学习可解释LAFA策略
热点事件持续更新
树蒸馏方法学习可解释LAFA策略
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
研究者提出一种树蒸馏方法，从基于神经网络的纵向主动特征获取（LAFA）网络中学习可解释的特征采集策略，以替代现有LAFA方法多依赖难以解释的神经网络。 据Yunni Qu等作者称，该方法在模拟实验和预测每日饮酒量的真实EMA数据集上验证，均能在精度损失极小的前提下显著减少每次采集的条目数。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
面向低成本时序预测的主动特征获取：用树蒸馏学习可解释的 LAFA 策略报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv：cs.LG面向低成本时序预测的主动特征获取：用树蒸馏学习可解释的 LAFA 策略
针对纵向主动特征获取（LAFA）现有方法多依赖难以解释的神经网络，研究者提出一种树蒸馏方法，从 NN 版 LAFA 网络中学习可解释的选取策略。该方法在模拟实验和预测每日饮酒量的真实 EMA 数据集上验证，均能在精度损失极小的前提下显著减少每次采集的条目数。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。