arXiv cs.LG· Heejin Choi·· 2 小时前AI 评分32
LACS：面向动态数据剪枝的分布敏感无标签置信度选择
LACS: Distribution-Sensitive Label-Agnostic Confidence Selection for Dynamic Data Pruning
AI 导读
研究者提出用于动态数据剪枝的规则 LACS，基于最大预测置信度自适应剔除样本，无需样本标签与样本级梯度。LACS 可将神经网络反向传播计算样本行减少 10-35%，在 CIFAR-10 上减少 29% 反向行且准确率达 89.77%（全量为 89.82%）。在 14 个表格数据集上它将平均测试错误率从 23.36% 降至 22.96%，但神经网络当前实现因额外的前向打分开销尚未实现墙钟时间加速。
来源：arXiv cs.LG · arxiv.org