LIMODENet: Attention-Free Compact Encoders for Information-Preserving Onboard Satellite Image Restoration
为解决卫星图像在低功耗神经形态加速器上恢复问题,提出无注意力机制的LIMODENet模型,实验证明其信息保留能力更强且更适用于实际部署。
0 citationsRead paper
为解决卫星图像在低功耗神经形态加速器上恢复问题,提出无注意力机制的LIMODENet模型,实验证明其信息保留能力更强且更适用于实际部署。
论文讨论了使用合规数据进行AI系统评估的问题,提出需明确能力、结果、暴露机会等要素的一致性以确保评估有效性。
研究通过对比手工编写和自动插入时钟门控方法在openMSP430核心上的表现,发现自动插入ICG单元更优,可显著降低动态功耗和总功耗。
针对时空图数据删除问题,提出IsleNet方法,通过空间熵引导的分区创建子图并用虚拟边连接,实现高效准确的数据移除。
研究评估了12种语言模型在因果关系判断上的可靠性,发现这些模型倾向于过度预测因果边,并且对直接因果关系的识别不够准确。传统的置信度估计不可靠,而跨提示和跨模型的一致性则提供了更好的信号。
为解决卫星图像在低功耗神经形态加速器上恢复问题,提出无注意力机制的LIMODENet模型,实验证明其信息保留能力更强且更适用于实际部署。
论文讨论了使用合规数据进行AI系统评估的问题,提出需明确能力、结果、暴露机会等要素的一致性以确保评估有效性。
研究通过对比手工编写和自动插入时钟门控方法在openMSP430核心上的表现,发现自动插入ICG单元更优,可显著降低动态功耗和总功耗。
针对时空图数据删除问题,提出IsleNet方法,通过空间熵引导的分区创建子图并用虚拟边连接,实现高效准确的数据移除。
研究评估了12种语言模型在因果关系判断上的可靠性,发现这些模型倾向于过度预测因果边,并且对直接因果关系的识别不够准确。传统的置信度估计不可靠,而跨提示和跨模型的一致性则提供了更好的信号。