Neural conditional random fields

2010
Article de conférence

Résumé

We propose a non-linear graphical model for structured prediction. It combines the power of deep neural networks to extract high level features with the graphical framework of Markov networks, yielding a powerful and scalable probabilistic model that we apply to signal labeling tasks.

Source officielle

https://infoscience.epfl.ch/record/150585?ln=fr

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Neural conditional random fields

Leveraging Unlabeled Data to Track Memorization

Stop Wasting my FLOPS: Improving the Efficiency of Deep Learning Models

Leveraging Unlabeled Data to Track Memorization

Stop Wasting my FLOPS: Improving the Efficiency of Deep Learning Models