One period to rule them all: identifying critical learning periods in deep networks (2025)
- Authors:
- USP affiliated authors: COSTA, ANNA HELENA REALI - EP ; CORREIA, ARTUR JORDÃO LIMA - EP ; LIBANIO, LUCAS MARTINS - EP ; FUKASE, VINICIUS YUITI - EP
- Unidade: EP
- DOI: 10.1016/j.procs.2025.07.138
- Subjects: REDES NEURAIS; APRENDIZAGEM PROFUNDA; CONSUMO DE ENERGIA ELÉTRICA
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título: Procedia Computer Science
- ISSN: 1877-0509
- Volume/Número/Paginação/Ano: v. 264, p. 270-279, 2025
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
FUKASE, Vinicius Yuiti et al. One period to rule them all: identifying critical learning periods in deep networks. Procedia Computer Science, v. 264, p. 270-279, 2025Tradução . . Disponível em: https://doi.org/10.1016/j.procs.2025.07.138. Acesso em: 02 abr. 2026. -
APA
Fukase, V. Y., Gama, H., Bueno, B., Libanio, L., Reali Costa, A. H., & Correia, A. J. L. (2025). One period to rule them all: identifying critical learning periods in deep networks. Procedia Computer Science, 264, 270-279. doi:10.1016/j.procs.2025.07.138 -
NLM
Fukase VY, Gama H, Bueno B, Libanio L, Reali Costa AH, Correia AJL. One period to rule them all: identifying critical learning periods in deep networks [Internet]. Procedia Computer Science. 2025 ; 264 270-279.[citado 2026 abr. 02 ] Available from: https://doi.org/10.1016/j.procs.2025.07.138 -
Vancouver
Fukase VY, Gama H, Bueno B, Libanio L, Reali Costa AH, Correia AJL. One period to rule them all: identifying critical learning periods in deep networks [Internet]. Procedia Computer Science. 2025 ; 264 270-279.[citado 2026 abr. 02 ] Available from: https://doi.org/10.1016/j.procs.2025.07.138 - Pruning everything, everywhere, all at once
- When layers play the lottery, all tickets win at initialization
- Towards automatic and accurate core-log processing
- Effective layer pruning through similarity metric perspective
- Layer pruning with consensus: A triple-win solution
- Enhancing distilled datasets via natural data mixing
- The virtues of brevity: avoid overthinking in parallel test-time reasoning
- Tiny titans: Efficient large vision, language and multimodal models through pruning
- Extração de preferências sobre comportamentos observados
- Building object-based maps for robot navigation
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
One_period_to_tule_them_a... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
