臭农图不灵

摘要： • HyPar: Towards Hybrid Parallelism for Deep Learning Accelerator Array //50 近年来，随着人工智能的兴起，深度神经网络（DNN）在许多领域得到了广泛的应用。为了实现高性能和节能，DNNs的硬件加速（特别是推理）在学术界和工业 阅读全文

摘要： 神经ODE的可研究的两条思路：1.常微分改进2.时间连续 1.常微分改进。 《Augmented Neural ODEs Emilien》2019 在这项工作中，我们探讨了采用这种连续极限的一些后果，以及与常规神经网络相比可能产生的限制。特别是，我们证明了有一些简单的函数类是神经节点无法表示的。虽然 阅读全文

摘要： 0.摘要 本文用Transformer(TF)来解决时间序列预测问题。尽管性能不错，但还是有两个主要缺点：（1）locality-agnostics：规范的TF对局部上下文不敏感，可能导致异常；（2)memory bottleneck：规范TF的空间复杂度为O(L^2)。本文的解决方案为;（1）因果 阅读全文

摘要： Abstract 在本文中，提出了DeepAR，一种基于大量相关时间序列的自回归循环网络模型的概率预测方法。我们演示了如何应用深度学习技术来预测，可以克服当前广泛使用的经典方法的所面临的问题。我们通过对几个真实世界的预测数据集进行广泛的实证评估表明，与最先进的方法相比，预测精度提高了15%左右。 1 阅读全文

摘要： 阅读全文