binary classification | BriefGPT

关键词binary classification

搜索结果 - 210

检测机器生成文本：不仅仅是 “人工智能 vs 人类” 和解释性复杂
本文提出一种新的三元文本分类方案，包括 “未决” 类别，研究了如何使检测结果更易理解，重点在于为用户提供清晰明了的解释。通过构建新的数据集，使用先进的检测方法和最新的 LLMs，该研究发现 “未决” 类别对于文本检测的可解释性至关重要，并提
PDF6 days ago
分类任务中的病理化正则化方案
该研究论文通过展示训练模型获得的分类分数与数据集之间的趋势逆转的可能性，阐述了模型训练中正则化参数的选择对趋势逆转发生的影响，提供数据科学从业者避免遭受趋势逆转的超参数选择的实用工具，并通过逻辑回归在病态正则化区间上的数值结果，从路径性数据
PDF12 days ago
二元分类中的挑战
通过最大最小问题设计这个变分问题的目标函数，我们将二元分类器的最优问题视为一个变分问题，并推导出 SVM 是这个变分问题框架的一个特例。然而，对于非线性分类，提出的变分问题在欧氏距离方面存在一些限制，因此如何设计更合适的目标函数来寻找最优二
PDF13 days ago
LT4SG@SMM4H24：利用预训练语言模型对儿童健康结果进行数字流行病学推断的推文分类
通过对英文推文中儿童医学疾病进行二分类，本文介绍了我们在 SMM4H24 共享任务 5 中的方法。第一种方法是对一个 RoBERTa-large 模型进行微调，而第二种方法则是对三个微调的 BERTweet-large 模型结果进行集成。我
PDF21 days ago
在线平滑分类可能比批处理分类更困难
在线分类在平滑对手条件下的学习与 PAC 模型下的批处理学习相对应，当标签空间无界时，平滑在线分类可能比批处理分类更困难，但我们找到了一个条件，确保假设类的 PAC 可学习性足以保证其平滑在线可学习性。
PDFa month ago
从数据中提取加强的检索辅助的时间逻辑规范
从观察行为中学习 Signal Temporal Logic (STL) 的要求，通过结合贝叶斯优化和信息检索技术，同时学习 STL 公式的结构和参数，提高了对于需求挖掘的有效性，进一步推动了在计算机物理系统中的研究。
PDFa month ago
对于无偏 PAC 学习的误差指数
在本文中，我们通过考虑错误指数这一在信息理论中广泛应用的分析方法，研究了统计学习理论和可能近似正确（PAC）准则。在一定的稳定性假设下，我们发现二分类问题中 PAC 错误概率的指数行为，从而建立了对无知学习中可能近似正确学习的理论分析基础。
PDF2 months ago
一类分类的关键评审：最新进展及其背后的现实
对一类分类（OCC）进行全面回顾，检查其实现中所采用的技术和方法，探讨了在不同数据类型（如特征数据、图像、视频、时间序列等）中用于 OCC 的各种方法。通过系统回顾，综合总结了自 OCC 起始到目前的主要策略，重点关注了有前景的应用。此外，
PDF2 months ago
迁移学习增强的单选决策用于多选题答题
该研究论文以多选机器阅读理解为主题，使用预训练语言模型作为编码器，并通过微调来分享和传递知识。通过训练二元分类，将多选问题转换为单选问题，并选择置信度最高的选项作为最终答案。通过从其他 MRC 任务转移知识，提出的方法摆脱了多选框架，并可以
PDF2 months ago
对抗贝叶斯分类器的唯一性概念
我们提出了对二元分类中对抗性贝叶斯分类器的新唯一性概念，并通过分析这种唯一性概念，提出了一个简单的计算针对一维数据分布的所有对抗性贝叶斯分类器的过程。利用这个特征，我们证明了当扰动半径增大时，一些正则性概念对于对抗性贝叶斯分类器有所改善。通
PDF2 months ago
从非线性多环境数据挖掘不变性：二元分类
在多个训练环境中给出数据的情况下，如何在未知环境中进行预测是一项具有挑战性的任务。我们从不变性的角度来解决这个问题，着重研究二元分类以揭示一般非线性的数据生成机制。我们发现了一种仅存在于二元情况下的独特不变性形式，使我们能够训练在不同环境中
PDF2 months ago
对抗训练中出现的平均曲率流
通过将对抗性训练与决策边界的几何演化方程相联系，我们通过将对抗性训练重新解释为一种正则化问题，引入了一种改进的训练方案，构成了一种非局部周长函数的最小化移动方案，证明了当对抗预算消失且周长局部化时，该方案是单调和一致的，并且由此严格证明了该
PDF2 months ago
对齐之后融合：通过多模态编码器来提高人脸 - 声音相关性学习
利用对比学习和二分类问题，通过多模态编码器学习内嵌信息，引入有效的配对选择方法，提高语音 - 面部关联的匹配、验证和检索任务的学习结果。
PDF3 months ago
IJCAI高级交互式人机学习界面用于收集和学习复杂的注释
本文旨在通过为二分类任务提供人机学习界面，使人类注释者能够利用反事实例来补充标准的二分类标签，以缓解人类注释者适应传统标签所施加的限制。
PDF3 months ago
ACL基于语义分割的次日火灾预测
利用深度学习方法进行下一天火灾预测，通过将问题从二元分类转化为图像的语义分割任务，每个像素对应一天的区域快照，从而实现了最先进的结果。
PDF3 months ago
构建多层次摘要的无监督法律文本问答系统
本文总结了团队 SCaLAR 在《SemEval-2024 任务 5：民事诉讼中的法律论证》方面的工作。我们提出了一种简单而又新颖的基于相似度和距离的无监督方法来生成标签，以解决该二元分类任务。此外，我们通过使用 CNN、GRU 和 LST
PDF3 months ago
利用机器学习预测结核病治疗结果：卡纳塔克邦结核病数据研究
该研究通过使用机器学习，特别是结合表格数据，更准确地预测结核病（TB）的治疗结果，将这一预测任务转化为二元分类问题，并通过来自印度国家结核病控制计划的 50 万多个病人记录的数据生成风险评分。数据预处理是该研究的关键组成部分，在验证集上获得
PDF4 months ago
提高嘈杂数据集上主动学习的成本效益
主要介绍了主动学习策略在解决二分类问题中的应用，提出了一种基于偏移正态分布采样函数的方法，通过限制噪声和正类标签选择，提高了 20% 到 32% 的成本效率。
PDF4 months ago
差分隐私公正的二元分类
在本研究中，我们调查了在差分隐私和公平性的约束下的二元分类问题。我们首先提出了一种基于解耦技术的算法，用于学习一个只保证公平性的分类器。该算法接受在不同人口群体上训练的分类器，并生成一个满足统计平衡的单个分类器。然后，我们改进了该算法以加入
PDF4 months ago
协同协方差和海森矩阵的特征分析以提高二分类效果
一种新方法将训练集上评估的协方差矩阵的特征分解与在深度学习模型上评估的 Hessian 矩阵相结合，实现了二分类任务中的最优类别可分性，通过投影数据到两个矩阵的最相关特征方向组合空间，优化类别可分性，实验证明我们的方法胜过传统方法，同时突出
PDF5 months ago