cost-sensitive learning | BriefGPT

关键词cost-sensitive learning

搜索结果 - 11

Top-k 分类与基数感知预测
我们研究了 top-k 分类的细节，该任务是预测输入的 $k$ 个可能的类别，超越单一分类预测。我们证明了多类别分类中的几种普遍代理损失函数，如 comp-sum 和约束损失，具有相对于 top-k 损失的 H 一致性界限。这些界限保证了与
PDF3 months ago
非参数主动学习用于成本敏感分类
设计了一种用于成本敏感分类的通用非参数主动学习算法，通过构建每个标签的预测成本函数的置信区间，该算法选择最具信息量的向量点，通过仅查询可能是最小的预测成本来与其交互，证明了该算法在与向量空间的交互数量方面达到了最优收敛速率，并且在对 Tsy
PDF9 months ago
可解释且成本敏感的深度神经网络通过监督对比学习进行肠胃疾病分类
本文介绍了一种新方法，通过利用费用敏感的预训练深度卷积神经网络和有监督对比学习分类胃肠疾病，以捕获与疾病相关的关键特征，并考虑样本之间的相似性关系，从而为医疗保健中的准确疾病分类提供帮助。作者还结合了可解释人工智能的梯度技术，提高了模型的可
PDFa year ago
关于神经网络分类性能针对加权度量的全面理论优化框架
本文提出了一种完整的理论框架来形式化加权分类度量标准，并构建了可优化这些度量标准的损失函数。该框架包括了经典的成本敏感学习、加权交叉熵损失函数和价值加权技能得分等方法作为特例。
PDFa year ago
移动社交网络欺诈检测的成本敏感 GNN 基于的不平衡学习
本篇论文提出了一种创新的 Csgnn 模型，通过组合成本敏感的学习和图神经网络，有效解决了移动网络欺诈检测中的图不平衡问题，并在两个开源数据集上验证模型性能优于现有算法，可用于其他领域的图数据平衡问题。
PDFa year ago
AdaCC: 累积代价敏感增强学习用于不平衡分类
本文提出了一种新的成本敏感的提升方法 AdaCC，该方法不依赖于固定的错误分类成本矩阵，而是根据模型性能动态调整误分类成本，优于 12 种现有方法，在 27 个真实世界数据集上实现了稳定的改进。
PDF2 years ago
ICCV影响平衡损失函数：解决不均衡视觉分类问题
我们提出了一种平衡训练方法，通过衍生用于平衡训练阶段的新丢失，有效改善任何类型的不平衡学习方法的性能，从而解决了数据不平衡问题。我们的实验结果表明，所提出的损失优于现有的基于成本的损失方法。此外，我们的损失并不限于特定任务、模型或训练方法，
PDF3 years ago
基于成本敏感的深度信念网络用于不平衡分类
本文提出了一种基于进化的代价敏感深度置信网络 (ECS-DBN) 方法，使用自适应差分进化来优化不平衡分类中的误分类代价，并将其应用于工具状态监测的实际数据集，证明该方法优于现有算法。
PDF6 years ago
CVPR语义图像分割中的损失最大池化
介绍了一种新的损失最大池化方法，用于处理数据不平衡的情况，可作为深度神经网络中的替代损失层用于语义图像分割中，通过自适应重新加权像素的贡献来解决分类器对于少数类别偏向性的问题，理论和实验结果都表明该方法可以有效提高图像分割效果。
PDF7 years ago
不平衡数据流的在线集成学习
该论文提出了一个新的学习框架，结合了在线集成算法和成批的代价敏感采样 / 提升算法，有效地解决了同时处理代价敏感学习和在线学习的问题。
PDF11 years ago
感知概念学习中的成本类型
本文旨在探讨归纳概念学习中涉及的不同成本类型及其分类，以期在成本敏感学习方面提供文献方面的组织，以及激发研究人员更深度地研究归纳概念学习中所有成本类型的特征。
PDF22 years ago