auxiliary data | BriefGPT - AI 论文速递

关键词auxiliary data

搜索结果 - 12

机器学习能否预测公民报告的钓鱼者行为？
通过机器学习方法利用辅助数据对渔民行为进行预测，以日常环境、社会经济、渔业管理目标和淡水区域的事件为基础，具有较高的准确率和潜在的扩展空间。
PDF5 months ago
推荐系统的模型窃取攻击
通过限制可用目标数据和查询数量，并利用与目标数据共享物品集的辅助数据，利用注意机制将它们融合起来辅助攻击，该论文设计了有效提取通过查询目标模型获得的推荐列表的窃取函数，实验结果表明该方法适用于大多数推荐系统和各种场景，并在多个数据集上表现出
PDF7 months ago
AnomalyCLIP: 面向对象无关的零样本异常检测的提示学习
AnomalyCLIP 通过学习无关物体的文本提示来捕捉图像中的通常和异常，从而实现了对高度多样的物体数据集进行广义正常性和异常性识别的零样本卓越性能。
PDF8 months ago
通过对抗正则化进行的被动推理攻击对拆分学习的影响
提出了 SDAR，这是一个针对 Split Learning 的新型攻击框架，利用辅助数据和对抗正则化来学习客户端私有模型的具有解码能力的模拟器，在标准 Split Learning 下有效地推断客户端的私有特征，在 U 形 Split L
PDF9 months ago
提高样本外检测的三个因素
通过引入自我知识蒸馏损失、采样半难例离群数据和使用监督对比学习，我们的方法在分类准确性和离群检测性能之间取得平衡，同时提高了两个性能指标。
PDFa year ago
CVPR平衡能量正则化损失用于识别非分布检测
提出平衡能量正则化损失函数的方法，利用类别不同的先验概率来处理 OOD 数据的类别分布不平衡，该方法在面向任务的 OOD 检测、长尾图像分类和图像分类中表现更好，并在业内两项任务中实现了最先进的性能
PDFa year ago
利用辅助数据探索和利用提高少样本泛化能力
该研究主要探讨了少样本学习与辅助数据（FLAD）的关系，提出了基于探索和开发策略的自动抽样算法（EXP3-FLAD 和 UCB1-FLAD）并应用于 T5 模型上，在 11 个数据集上表现出了 9% 的绝对改善。
PDFa year ago
FedAUX：在联邦学习中利用未标记的辅助数据
本文提出了 FedAUX, 是一种改进的 Federated Distillation 算法，旨在通过在辅助数据上执行无监督的预训练并使用差分隐私确信度评分来提高模型的训练性能，实验结果表明 FedAUX 在 iid 和非 iid 模式下，
PDF3 years ago
ATOM: 使用异常值挖掘强化外部数据分布检测
本研究提出了一种理论上动机驱动、运用了有意义外部数据挖掘的对抗训练算法 ATOM，从而提高了深度学习模型的 Out-of-Distribution Detection 能力，在包括对抗式输入在内的广泛经典 OOD 检测任务中，实现了最佳性能
PDF4 years ago
ACL用于稳健和高效数据的端到端语音翻译的关注传递模型
通过多任务训练，提出了一种使用两个注意力机制的端到端可训练模型，用于直接语音翻译。该模型明显优于其他基线模型，并能更有效地利用辅助训练数据，特别适合于多任务训练。
PDF5 years ago
在线学习计算词向量
本文提出一种从少量辅助数据中即时预测稀有词嵌入的方法，并在阅读理解、文本蕴含和语言建模等任务中，与仅在任务端训练的嵌入相比，展现了更好的结果。
PDF7 years ago
带辅助数据的广义矩估计模型的半参数效率
本研究探讨了通过辅助数据确定缺失数据条件概率的情况下，通过一般矩限制定义的参数的半参数效率界和有效估计。发现在两个样本是独立的情况下，条件概率不是辅助的。针对所有情况，提出了高效的半参数估计器，其中基于条件期望投影的估计器所需的正则性条件较
PDF17 years ago