Notice bibliographique
Résumé
Knowledge distillation is a powerful and flexible machine learning technique that can be used to train smaller, more efficient models (called students) by mimicking larger trained models (called teachers). Such students can often achieve better predictive performance than models trained in a classical supervised manner. However, despite its empirical success, a rigorous foundation of knowledge distillation is still largely non-existent. This dissertation investigates both the theoretical and empirical foundations of knowledge distillation. In the first two papers, we develop theoretical frameworks for understanding knowledge distillation in the simplified settings of self-distillation with kernel ridge regression and Gaussian process models, respectively. In these frameworks, we investigate the properties of iterative self-distillation and determine particular regularizing behaviors imposed by self-distillation. In a third paper, we perform a rigorous empirical study of knowledge distillation with neural networks to support our theoretical findings. We investigate the efficiency of knowledge distillation under various controlled settings to determine under which conditions we can obtain perfect teacher-student agreement. In a fourth paper, we illustrate the real-world applicability of knowledge distillation by showing how to apply knowledge distillation for personalized automatic sleep scoring based on Ear-EEG measurements. Finally, in a fifth paper, we address the challenge of exploiting diverse publicly available neural network models to improve the predictive performance on a given task under computational constraints. In particular, we propose a method to construct efficient models by identifying and distilling suitable pre-trained models with minimal access to these models. Overall, this dissertation contributes to the theoretical and empirical foundations of knowledge distillation and proposes novel methods for adapting publicly available neural network models to specific tasks under constraints.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,002 | 0,005 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».