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
- 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) - HyKnow: End-to-End Task-Oriented Dialog Modeling with Hybrid Knowledge
Management [58.82499963373537]
ハイブリッドナレッジ管理のTODシステム「HyKnow」を提案します。
構造的知識と非構造的知識の両方を管理するための信念状態を拡張する。
この2つの知識に基づくモデリングを共同で最適化した最初のエンドツーエンドモデルである。
論文 参考訳(メタデータ) (2021-05-13T01:58:39Z) - 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) - WeChat Neural Machine Translation Systems for WMT20 [61.03013964996131]
本システムは,有効な変種とDTMTアーキテクチャを備えたTransformerをベースとしている。
実験では,データ選択,複数の合成データ生成手法,高度な微調整手法,自己視覚モデルアンサンブルを用いた。
制約のある中国語と英語のシステムでは36.9のケースセンシティブなBLEUスコアが得られます。
論文 参考訳(メタデータ) (2020-10-01T08:15:09Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。