MétaCan
Menu
Retour à la cohorte
Enregistrement W4401750270 · doi:10.1080/02286203.2024.2389562

Knowledge in attention assistant for improving generalization in deep teacher–student models

2024· article· en· W4401750270 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueInternational Journal of Modelling and Simulation · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueOnline Learning and Analytics
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésGeneralizationComputer scienceMathematics educationArtificial intelligencePsychologyMathematics

Résumé

récupéré en direct d'OpenAlex

Research on knowledge distillation has become active in deep neural networks. Knowledge distillation involves training a low-capacity model from a high-capacity model. However, when the capacities of the teacher and student models differ, it can result to poor learning and low generalization performance. We propose here a novel teacher assistant model called Knowledge in Attention Assistant. This model learns learning a discriminative representation of important regions and statistical information along with spatial and channel knowledge. Moreover, by using a triplet attention mechanism, the student model can learn both the inner and outer distribution of different categories, and also memorize the knowledge distribution of the teacher model. This alignment improves the effectiveness and generalization of knowledge distillation and reduces the capacity gap between the teacher and student models. The present model addresses feature inconsistency by adjusting the attention weight distribution based on the resemblance between the features of the teacher and student. The evaluation of the proposed teacher assistant method shows remarkable results. The student model outperforms the teacher model in terms of generalization performance, achieving improvements of 93.37% and 94.09% on CIFAR-10 and CIFAR-100 datasets, respectively. Furthermore, the proposed model enhances the F1-scores 91.98% on CIFAR-10 and 79.69% on CIFAR-100.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,670
Score d'incertitude au seuil0,248

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,037
Tête enseignante GPT0,349
Écart entre enseignants0,312 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle