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
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
-
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: 31 dez. 2025. -
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 2025 dez. 31 ] 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 2025 dez. 31 ] 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
- Layer pruning with consensus: A triple-win solution
- Enhancing distilled datasets via natural data mixing
- Effective layer pruning through similarity metric perspective
- Tiny titans: Efficient large vision, language and multimodal models through pruning
- The VIBRA multi-agent architecture: integrating purposive vision with deliberative and reactive planning
- Visão robótica
- Robótica móvel inteligente: progressos e desafios
Informações sobre o DOI: 10.1016/j.procs.2025.07.138 (Fonte: oaDOI API)
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
