EMNLPOct, 2020

通过集成方法校准对话信念状态分布

PDF
TL;DR本文提出了一种基于模型集成的多领域对话信念跟踪器，其在校准方面表现优异，且相对于先前的对话信念跟踪模型在准确性方面表现更佳。
dialogue systemstate trackerbelief trackercalibrationensemble model
发现论文，激发创造
  • 未知相机投影仪对的室内三维重建

    通过利用室内场景中常见的未知立方体角点，结合已知的摄像机主点，我们提出了一种简单而可靠的方法，可以从仅有的两个视角中可靠地恢复相机 - 投影仪对的内参，并实现直接的三维重构。该方法在传统方法和基于学习的对应方法上具有明显的优势，并展示了在没有主动照明的情况下解决稀疏视图的运动结构等类似任务的潜力。

    Jul, 2024

  • CALICO：集成校准的自信主动学习

    提出了一种称为 CALICO 的主动学习框架，通过联合训练分类器和基于能量的模型来实现自校准的置信度，进而提高分类性能。

    Jul, 2024

  • 用于二元问题回答的校准大型语言模型

    利用归纳 Venn--Abers 预测器（IVAP）校准二元标签对应的输出标记的概率，我们的实验结果表明 IVAP 方法在各种标签标记选择下始终优于常用的温度缩放方法，能够产生良好校准的概率并保持高的预测质量。

    Jul, 2024

  • 基于随机森林的贝叶斯校准随机代理模型

    该研究使用基于随机森林的代理模型技术加速评估传染病流行模型，并通过 Markov 链蒙特卡罗方法对一种名为 CityCOVID 的流行病学模型进行校准，以提高其预测性能。

    Jun, 2024

  • 划分、集成与征服：自主域适应中的最后一英里 - 车载语义分割

    提出了 DEC，这是一个灵活的多源数据集的 UDA 框架，通过将语义类别进行分类，并使用仅在合成数据集上训练的集成模型将它们的输出融合，来解决研究中的合成多源数据集的挑战，以获得最终的分割掩模，并可以与现有的 UDA 方法相结合，在 Cityscapes、BDD100K 和 Mapillary Vistas 上实现了最先进的性能。

    Jun, 2024

  • 通过深度学习和精调的大型语言模型构建集成模型以提升实体识别性能：多源不良事件抽取案例研究

    本篇研究旨在评估 LLMs 和传统深度学习模型在提取 AE 信息方面的有效性，并评估这些模型集成对性能的影响。研究发现，利用优化后的传统深度学习模型和 LLMs 进行集成，能够在提取疫苗、注射和不良事件方面实现最高性能，同时对整体性能的评估也得到了显著提高。这项研究对生物医学自然语言处理的发展做出了贡献，并为从文本数据中提取 AE 相关信息的药物监测和公共卫生监测提供了宝贵的见解。

    Jun, 2024

  • 研究感应阵预测模型中的数据使用

    本研究通过多个实验证明了在有限或昂贵的开发数据情况下，允许训练集和校准集之间的示例重叠是一种高效的方式，从而提供了关于使用 ICPs 的价值的结论。

    Jun, 2024

  • 重点校准：受限温度缩放

    我们研究了用于诊断决策的卷积分类器的校准问题。临床决策者可以使用校准后的分类器来最小化在其成本函数下的期望成本。在训练时，这样的函数通常是未知的。如果最小化期望成本是主要目标，算法应该侧重于调整概率单纯形中影响决策的区域的校准。我们给出一个例子，修改温度标定校准，并通过使用训练用于分类皮肤镜图像的卷积神经网络演示了改进的校准。

    Jun, 2024

  • 倾斜与平均：最后一层的几何调整用于重新校准

    神经网络的校准问题及权重调整算法 Tilt and Average (TNA) 的实证和理论验证

    Jun, 2024

  • 使用鲁棒非参数统计方法测量模型变异性

    深度神经网络的训练通常涉及随机优化，种子的选择对于训练模型的质量至关重要，本文通过鲁棒的假设检验提出了一个新的网络相似性的统计量，利用该统计量来指导随机种子的选择，同时展示了该统计量在实验中的价值和在迁移学习中调优相比随机种子选取的优势。

    Jun, 2024