confounding factors | BriefGPT

关键词confounding factors

搜索结果 - 9

准时革新：通过限制解释来修订时间序列模型
我们引入了 Right on Time (RioT) 方法，通过对模型在时域和频域上的解释的反馈来约束模型，使其远离注释的混淆因素，从而解决时序数据中混淆因素的困难问题，并在 P2S 数据集以及常见的时序分类和预测数据集中进行了有效的实证验
PDF4 months ago
多项式时间内基于树形结构的因果模型辨识
本论文研究了树状结构因果模型的识别问题，提出了一个随机多项式时间算法来判断结构参数的识别性，并给出了相应参数的分数亚方根多项式表达式。
PDF7 months ago
基于生成预训练的人工智能放射学图像解读中的患者特定干扰因素重建
在医疗图像分类中，基于扩散模型的预训练方法（如 DiffChest）能够准确识别混杂因素、提供洞察力，并在诊断多种胸部疾病方面取得了相当不错的准确性。
PDF9 months ago
CVPR通过重写模型决策实现可信的皮肤癌诊断
本文研究了深度神经网络在皮肤癌诊断中可能存在的混淆因素问题，并提出了人类介入的模型训练框架，在黑盒模型解释性概念空间中解释了复杂特征表示，并对数据集进行了清洗，最终提高了模型的性能与可靠性。
PDFa year ago
MM去共变量化因果协同过滤
提出了一个去混淆因素的因果协作过滤模型，解决了现实场景下推荐系统可能遇到的无法观测到的混淆因素带来的问题，且在真实数据集上的实验证明了该方法能够更好地提高推荐效果。
PDF3 years ago
AAAI利用解缠的潜在因素进行治疗效果估计
该研究提出了一种基于变分推断的方法，以同时识别观察变量中的潜在非混杂因素，并为处理效应估计提供更好的数据学习。
PDF4 years ago
AAAI如果我们简单地交换两个文本片段会怎样？一种直接而有效的方法来测试自然语言推理任务中方法对混淆信号的稳健性
本研究探讨 NLI 数据集的统计异常现象（即混淆因素），使用一种简单而有效的方式通过交换文本片段来评估 NLI 预测模型，并提出使用模型在不同比例的交换文本片段下的评估表现偏差来描述预测模型的健壮性。
PDF6 years ago
深度神经网络中去除与权重相关的混淆因素可提高医疗应用中的预测准确性
本文提出了一种有效的方法，可以消除深度学习中的混淆因素，从而提高神经网络的跨队预测准确性，并在扫描仪、MRI 和 EEG 大脑波等领域进行了实验验证。
PDF6 years ago
用于训练机器 / 深度学习步态识别算法的数据增强方法学
本研究介绍了一种基于模拟的方法和主体特定数据集，用于生成合成视频帧和序列以进行数据增强，由此生成了多模态数据集，其结果表明身份信息在合成生成的示例中得以保留，此数据集和方法可对完全不变式身份识别的研究提供支持。
PDF8 years ago