class-imbalanced data | BriefGPT

关键词class-imbalanced data

搜索结果 - 7

基于不平衡数据的深度学习中的最大后验比率对合成信息的研究
本研究通过生成合成数据来平衡少数类别数据，以探究类别不平衡数据对深度学习模型的影响。我们提出一种优先选择高信息熵样本的技术，通过最大化生成合成样本在其类别正确区域的概率来增强机器学习算法的准确性和效率。实验结果显示我们技术在增强深度学习模型
PDF6 months ago
双补偿残差网络用于类不平衡学习
利用双重补偿残差网络，通过特征和置信度补偿模块以及残差平衡多代理分类器，提供解决处理类别不平衡数据的深度学习模型的方法。
PDF10 months ago
自监督学习中的隐藏统一聚集先验
通过使用不同于以往的特征先验，可以改善对类别不平衡数据预训练时的表征学习结果，具体应用于 Masked Siamese Networks 方法。
PDF2 years ago
ICCV不平衡深度学习的普洛克鲁斯特训练
本文提出了一个新的学习策略，来有效地解决在使用类不平衡数据时神经网络容易出现欠拟合和过拟合问题的困扰，该策略在小批量中混合了主类数据和其它数据的特征，旨在削弱主类数据的特征以防止神经网络优先拟合主类数据的情况，从而实现了类之间的训练过程平衡
PDF3 years ago
CVPRCReST：一种用于不平衡半监督学习的类重新平衡自训练框架
本文提出了一种简单而有效的 CReST 框架，利用伪标签和估计的类分布，改善了现有的 SSL 方法在类不平衡数据上的性能，并且在各种类不平衡数据集上 consistently 胜过其他流行的重新平衡方法。
PDF3 years ago
类别不平衡的半监督学习
本文提出一种称为类别不平衡半监督学习（CISSL）的任务，介绍了现有的类别不平衡 SSL 方法，并提出了一种所谓的压抑一致性损失（SCL）的正则化方法，该方法对于类别不平衡情况具有鲁棒性，在 CISSL 环境下比传统方法表现更好。
PDF4 years ago
基于 K-Means 和 SMOTE 的不平衡学习过采样
本文提出了一种基于 k-means 聚类和 SMOTE 过采样的简单有效方法，可以避免产生噪音并有效地解决类内和类间不平衡的问题，在 71 个数据集上的实验结果表明，使用所提出的方法进行训练数据过采样可以提高分类结果，并且 k-means
PDF7 years ago