class-imbalanced | BriefGPT

关键词class-imbalanced

搜索结果 - 6

基于无约束 ReLU 特征模型的交叉熵类不平衡学习的神经倒塌
在该研究中，我们将神经坍缩现象推广到不平衡类别的交叉熵损失下，证明了虽然类内特征会坍缩，但类均值将收敛到长度不同的正交向量结构，并发现分类器权重与类均值的缩放和居中相关，这扩展了在平衡类别设置下的神经坍缩现象。通过在实际架构和数据集上进行实
PDF6 months ago
SCoRe：面向真实世界类别不平衡场景的子模块组合表示学习
在真实世界中，类别不平衡的情况下的表示学习已经成为深度学习进化中的一项具有挑战性的任务。缺乏稀有类别的视觉和结构特征限制了现代神经网络学习具有区分性的特征聚类。本文引入了 SCoRe（子模组合表示学习）框架，提出了一系列子模组合损失函数，以
PDF9 months ago
低功耗 S2CGAN-IDS 对极度不平衡的 IoT 网络进行有效入侵检测
提出使用 S2CGAN-IDS 框架解决 IoT 网络中长期存在的类不平衡问题，通过利用网络流量的分布特征在数据空间和特征空间扩展少数类，保证多数类的检测精度的同时，显著提高少数类的检测率，实验结果表明，与优越方法相比，该方法在精度和召回率
PDFa year ago
EMNLPText AutoAugment: 学习文本分类的组合增强策略
Text AutoAugment 是一种数据增强方法，通过贝叶斯优化算法自动寻找最佳组合操作作为增强策略应用于训练数据。该方法显著提高了模型的泛化能力，并在六个基准数据集上表现突出，特别是在低资源和类不平衡情况下，相应的分类准确率平均分别提
PDF3 years ago
ECCVRemix：重平衡的混合数据增强方法
本文提出了一种名为 Remix 的新的正则化技术，它在深度图像分类器的分类不平衡的情况下可以使得深度图像分类器表现更好，并在多组实验中证实了 Remix 相较于现有的 Mixup、Manifold Mixup 和 CutMix 等算法在这个
PDF4 years ago
识别和补偿不平衡深度学习中的特征偏移
本文研究了在类别不平衡数据情况下学习卷积神经网络分类器，发现卷积神经网络容易过拟合少数类，提出了一种类别依赖温度的训练方法以解决特征偏移问题，并在基准数据集上验证了有效性。
PDF4 years ago