Fugu-MT 論文翻訳(概要): Proceedings of the DATE Friday Workshop on System-level Design Methods for Deep Learning on Heterogeneous Architectures (SLOHA 2021)

論文の概要: Proceedings of the DATE Friday Workshop on System-level Design Methods for Deep Learning on Heterogeneous Architectures (SLOHA 2021)

arxiv url: http://arxiv.org/abs/2102.00818v1
Date: Wed, 27 Jan 2021 18:14:02 GMT
ステータス: 処理完了
システム内更新日: 2021-03-13 20:25:32.889748
Title: Proceedings of the DATE Friday Workshop on System-level Design Methods for Deep Learning on Heterogeneous Architectures (SLOHA 2021)
Title（参考訳）: DATE Friday Workshop on System-level Design Methods for Deep Learning on Heterogeneous Architectures (SLOHA 2021) に参加して
Authors: Frank Hannig, Paolo Meloni, Matteo Spallanzani, Matthias Ziegler
Abstract要約: 第1回DATE Friday Workshop on System-level Design Methods for Deep Learning on Heterogeneous Architectures (SLOHA 2021)で受理された論文を含む。 SLOHA 2021は、欧州における設計、自動化、テストに関する会議(DATE)と共同開催されました。
参考スコア（独自算出の注目度）: 0.836131757697441
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This volume contains the papers accepted at the first DATE Friday Workshop on System-level Design Methods for Deep Learning on Heterogeneous Architectures (SLOHA 2021), held virtually on February 5, 2021. SLOHA 2021 was co-located with the Conference on Design, Automation and Test in Europe (DATE).
Abstract（参考訳）: この巻には、2021年2月5日に事実上開催された第1回DATE Friday Workshop on System-level Design Methods for Deep Learning on Heterogeneous Architectures (SLOHA 2021)で受け入れられた論文が含まれている。 SLOHA 2021はヨーロッパにおける設計、自動化、テストに関する会議(DATE)と共同で設立された。

関連論文リスト

ICML 2023 Topological Deep Learning Challenge : Design and Results [83.5003281210199]
コンペティションは参加者に、文献からトポロジカルニューラルネットワークのオープンソース実装を提供するよう求めた。この挑戦は2ヶ月の期間に28の予選の応募を惹きつけた。本稿では,課題の設計について述べるとともに,その主な知見を要約する。
論文参考訳（メタデータ） (2023-09-26T18:49:30Z)
Low-complexity deep learning frameworks for acoustic scene classification using teacher-student scheme and multiple spectrograms [59.86658316440461]
提案システムは,教師のネットワークを訓練する(Phase I)と,教師の知識を蒸留して学生のネットワークを訓練する(Phase II)の2つの段階から構成される。 DCASE 2023 Task 1 Developmentデータセットで実施した実験は,低複雑さの要求を満たすとともに,57.4%の最高の分類精度を達成した。
論文参考訳（メタデータ） (2023-05-16T14:21:45Z)
Proceedings of the NeurIPS 2021 Workshop on Machine Learning for the Developing World: Global Challenges [0.8035384580801723]
以下は,2021年12月14日,ニューラル情報処理システムに関する第35回会議(NeurIPS)の一環として開催されたML4D(Machine Learning for the developing World)の第5回ワークショップの手順である。
論文参考訳（メタデータ） (2023-01-10T14:53:28Z)
Improving Deep Learning for HAR with shallow LSTMs [70.94062293989832]
本稿では,DeepConvLSTMを2層LSTMではなく1層LSTMに変更することを提案する。この結果は、シーケンシャルデータを扱う場合、少なくとも2層LSTMが必要であるという信念とは対照的である。
論文参考訳（メタデータ） (2021-08-02T08:14:59Z)
The USYD-JD Speech Translation System for IWSLT 2021 [85.64797317290349]
本稿では,シドニー大学とJDが共同でIWSLT 2021低リソース音声翻訳タスクを提出したことを述べる。私たちは、公式に提供されたASRとMTデータセットでモデルをトレーニングしました。翻訳性能の向上を目的として, バック翻訳, 知識蒸留, 多機能再構成, トランスダクティブファインタニングなど, 最新の効果的な手法について検討した。
論文参考訳（メタデータ） (2021-07-24T09:53:34Z)
ESPnet-ST IWSLT 2021 Offline Speech Translation System [56.83606198051871]
本稿では,ESPnet-STグループによる音声翻訳トラックにおけるIWSLT 2021の提出について述べる。今年は、データ、アーキテクチャ、オーディオセグメンテーションのトレーニングにさまざまな取り組みを行いました。私たちの最高のE2Eシステムは、すべてのテクニックをモデルアンサンブルと組み合わせ、31.4BLEUを達成しました。
論文参考訳（メタデータ） (2021-07-01T17:49:43Z)
Two-Stream Consensus Network: Submission to HACS Challenge 2021 Weakly-Supervised Learning Track [78.64815984927425]
弱い監督による時間的行動ローカライゼーションの目標は、ビデオの興味ある動作を時間的に特定し、分類することである。この課題では,2ストリームコンセンサスネットワーク(TSCN)を主要なフレームワークとして採用しています。この課題では,本手法が今後の学術研究のベースラインとなることを期待して,第2位にランクインした。
論文参考訳（メタデータ） (2021-06-21T03:36:36Z)
Proceedings of the NeurIPS 2020 Workshop on Machine Learning for the Developing World: Improving Resilience [1.154829465058342]
以下は、2020年12月12日土曜日に開催された第43回NeurIPS Conference on Neural Information Processing Systems (NeurIPS)の一部として開催されるML4D(Machine Learning for the developing World)の第4回ワークショップの手順である。
論文参考訳（メタデータ） (2021-01-12T08:35:54Z)
Proceedings of NeurIPS 2020 Workshop on Artificial Intelligence for Humanitarian Assistance and Disaster Response [1.9043833325245103]
これは、2020年12月12日にNeural Information Processing Systemsカンファレンスで事実上開催された第2回AI + HADRワークショップの"成果"である。それらは非アーキバルであり、単にワークショップで受け入れられたすべての論文をまとめる手段として機能する。
論文参考訳（メタデータ） (2020-12-03T17:44:26Z)
RGCL at SemEval-2020 Task 6: Neural Approaches to Definition Extraction [12.815346389235748]
本稿では,SemEval 2020 Task 6: DeftEval, subtasks 1, 2へのRGCLチームの提出について述べる。システムは文とトークンのレベルで定義を分類する。
論文参考訳（メタデータ） (2020-10-13T10:48:15Z)
HUJI-KU at MRP~2020: Two Transition-based Neural Parsers [7.081264564269638]
計算言語学習会議(CoNLL)におけるMRP(Cross-Framework Meaning Parsing)における共有タスクへのHUJI-KUシステムの適用について述べる。 TUPAとHIT-SCIRをそれぞれ,2019 MRP共有タスクにおけるベースラインシステムと入賞システムに採用した。
論文参考訳（メタデータ） (2020-10-12T13:41:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。