ETH Zurich（苏黎世联邦理工学院）

Selecting Hyperparameters for Tree-Boosting

选择树提升的超参数

Floris Jan Koster, Fabio Sigrist

机构 * Seminar for Statistics, ETH Zurich（苏黎世联邦理工学院统计研究所） 纠错

AI总结 本文通过59个数据集比较了多种超参数优化方法，发现SMAC方法显著优于其他方法，并揭示了超参数调优的关键因素。

NORACL: Neurogenesis for Oracle-free Resource-Adaptive Continual Learning

NORACL：为无 oracle 的资源自适应持续学习的神经发生

Karthik Charan Raghunathan, Christian Metzner, Laura Kriener, Melika Payvand

机构 * Institute of Neuroinformatics University of Zurich & ETH Zurich（神经信息学研究所 集中理工大学苏黎世分校 & 伯尔尼联邦理工学院） 纠错

AI总结 NORACL通过生物神经发生机制解决持续学习中的稳定性与可塑性矛盾，动态扩展网络结构以适应不同任务需求，实现更高效的持续学习性能。

Comments 26 pages, 7 figures and 6 tables