RFF-GPA:线性时间概率注意力模块
热点事件持续更新
RFF-GPA:线性时间概率注意力模块
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 Amir Mohammad Mahfoozi 等人提出即插即用的随机傅里叶特征高斯过程注意力(RFF-GPA)模块,把注意力建模为用随机傅里叶特征近似平稳核的高斯过程,从而同时给出后验均值与方差。 该模块将后验均值与方差近似的计算复杂度从三次或二次降至与序列长度成线性。在多个真实数据集上,作者称其在保持预测精度的同时改善了校准效果。 该工作以 arXiv 预印本形式公开,属机器学习分类。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
RFF-GPA:线性时间复杂度的随机特征高斯过程注意力,实现校准不确定性报道时间线
沿着报道,了解事件的不同侧面。
10月7日
- arXiv:cs.LGRFF-GPA:线性时间复杂度的随机特征高斯过程注意力,实现校准不确定性
研究者提出即插即用的随机傅里叶特征高斯过程注意力(RFF-GPA)模块,将注意力建模为用随机傅里叶特征近似平稳核的高斯过程,把后验均值与方差的近似复杂度从三次或二次降至序列长度的线性时间。在多个真实数据集上,该模块在保持预测精度的同时改善了校准效果。
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。