Publication

Aiming beyond slight increases in accuracy

Daniel Probst
2023
Article

Résumé

Owing to the diminishing returns of deep learning and the focus on model accuracy, machine learning for chemistry might become an endeavour exclusive to well-funded institutions and industry. Extending the focus to model efficiency and interpretability will make machine learning for chemistry more inclusive and drive methodological progress.

Source officielle

https://infoscience.epfl.ch/record/301428?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.

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Connectez-vous pour utiliser Chat avec Graph Search

Aiming beyond slight increases in accuracy

Graph Chatbot

Chattez avec Graph Search

Predicting the long-term collective behaviour of fish pairs with deep learning

Few-shot Learning for Efficient and Effective Machine Learning Model Adaptation

Breaking the Curse of Dimensionality in Deep Neural Networks by Learning Invariant Representations

Predicting the long-term collective behaviour of fish pairs with deep learning

Breaking the Curse of Dimensionality in Deep Neural Networks by Learning Invariant Representations

Few-shot Learning for Efficient and Effective Machine Learning Model Adaptation