backdoor adjustment | BriefGPT

关键词backdoor adjustment

搜索结果 - 8

通过因果调整实现跨域情感分析的领域泛化
本文研究领域适应在跨领域情感分析中的应用，提出基于背景调整的因果模型来解决领域转移问题，并在多个数据集上与现有方法进行了比较。
PDF4 months ago
高维因果推断与变分背门调整
借助生成建模的方法，本文提出了一种解决高维治疗和混杂变量的干预问题的后门调整技术，实现了干预似然的估计。
PDF9 months ago
多机构临床笔记的鲁棒文本分类的溯源拟合调整
评估后门调整在多中心临床笔记数据集中用于文本分类的实用性，结果表明后门调整可以有效地缓解混杂转移问题。
PDF9 months ago
Point-PC: 基于因果推断的先验知识引导的点云补全
本研究提出了一种新的点云完整性方法 Point-PC，使用记忆网络检索形状先验，并设计了有效的因果推断模型来选择缺失的形状信息以帮助点云完整性。
PDFa year ago
胸部 X 射线图像分类：因果关系视角
本文用因果学方法构建了结构性因果模型 (SCM)，利用反向门控调整选取肺部 X 光的有效视觉信息，去除混杂物对真实因果性学习的影响，实验结果表明，我们所提出的方法能够胜过开源 NIH ChestX-ray14 在分类性能方面。
PDFa year ago
CVPR整体病理图像的干预袋多实例学习
本文提出了一种名为 Interventional Bag Multi-Instance Learning（IBMIL）的新方案，该方案通过后门调整实现干预式训练，从而消除了包上下文先验的偏差，克服了现有 MIL 方法的一些局限性，提高了 W
PDFa year ago
EMNLP蜜还是毒？通过因果干预解决少样本事件检测中的触发诅咒
本文通过结构因果模型对少样本事件检测中触发器过拟合问题进行探究，并提出在训练过程中通过背门调整对上下文进行干预以解决该问题，实验证明该方法显著提高了 ACE05、MAVEN 和 KBP17 数据集上的少样本事件检测。
PDF3 years ago
干预式少样本学习
通过构建因果模型，提出了一种新的干预式 Few-Shot 学习范式，与现有的 Fine-tuning 和 Meta-learning 等方法正交，可以显著提高它们的性能，在多个数据集上均取得新的 1-/5-shot 最新成果。
PDF4 years ago