关键词classification accuracies
搜索结果 - 11
- 马铃薯病害检测的学习特征和框架分析
通过使用区域卷积神经网络（RCNN）和基于注意力机制的网络，从叶片上的病斑或健康区域学习特征的方式，处理了训练数据分布与测试数据分布不一致所带来的分类器性能问题，测试集上的平均分类准确率约为 95％，在训练阶段未见过的数据集上平均得分为 8 - 音乐类型分类广播网络研究
本文探讨了基于广播的神经网络，旨在提高音乐类型分类的定位和普适性，研究了十二种不同的广播网络结构，并对块配置、池化方法、激活函数、标签平滑、通道相互依赖、LSTM 块等方面进行了讨论，使用 GTZAN、Extended Ballroom、H - 深度卷积核方法中贴片的不合理有效性
在卷积内核方法中进行了数据组成特征提取的重要性研究，提出了一个数据驱动的卷积内核方法，通过对其效果进行广泛的研究，证明该方法已经在 CIFAR-10 分类准确性方面取得了与之前更复杂的卷积内核方法相同的准确性，将该方法扩展到 ImageNe - ICLR深度神经网络中线性区域特性的实证研究
通过局部属性的研究，探究了 DNN 的表达能力和优化技术对其决策边界的影响，并希望这一研究能够启示新型优化技术的设计和发现 DNN 的行为模式。
- AAAI通过知识转移确保机器学习模型的会员隐私
提出了一种新的防御称为 “用于成员隐私的蒸馏（DMP）”，该方法可以提供比其他现有防御更好的成员隐私和分类准确性之间的权衡，使用蒸馏技术训练机器学习模型，从而避免成员推理攻击。
- MM愤怒或上楼？走向野外生理情绪识别
本研究探索了一种新的情感识别方法，通过选择适用于生理干扰的特征和机器学习模型来提高情感识别的精确性，研究结果表明这种方法能够在非受干扰的情况下实现高达 73.35％的情感分类准确度，可以消除单一体力活动对情感识别的影响。
- ECCV渐进式神经架构搜索
提出了使用序贯模型优化（SMBO）策略的 CNN 网络结构学习方法，与现有的强化学习和进化算法相比更加高效，并在 CIFAR-10 和 ImageNet 数据集上取得了新的最佳分类精度。
- Softplus 回归与凸多面体
本研究提出了一种基于软正逆唯函数的回归模型，采用卷积、堆叠或组合两种操作来构建灵活的非线性预测分布，通过 Gamma 过程来支持无限叠加的卷积，采用 Gibbs sampling 进行贝叶斯推断来解决高度复杂的非线性预测分布问题，并在比较少 - ICML抗菌药物耐药性的机器学习
本文介绍了一个正在进行的案例研究，运用机器学习技术对抗生素抗性进行分析，通过样本大小，分类准确性等因素来评价机器学习技术的优劣，并指出机器学习在确定与抗生素抗性现象相关的基因区域方面取得了成功。此类研究有助于引起 Data-for-Good - ICLR指数线性单元（ELUs）加速和提高深层网络学习的准确性
引入了 “指数线性单元”（ELU），可以提高深度神经网络的学习速度和分类准确性，相较于其他激活函数，ELU 具有更好的学习特征和更低的计算复杂度，能够在输入数据中编码特定现象的存在程度，并在实验中取得比其他激活函数更快的学习和更好的泛化表现 - ICML基于信息论的鉴别聚类学习用于无监督领域自适应
该文章研究了无监督领域自适应的问题，提出一种新的方法，该方法同时学习 domain-invariant features 和 discriminative features，并且以信息论度量作为优化目标，在目标域和源域中训练分类器。经过实验