data drift | BriefGPT - AI 论文速递

关键词data drift

搜索结果 - 13

针对资源受限设备的低能耗自适应个性化
面向物联网应用的数据漂移个性化机器学习模型在能源成本方面依然存在挑战，为此提出了适用于资源受限设备的低能耗个性化框架 Target Block Fine-Tuning (TBFT)。通过对输入级、特征级和输出级的细分，分别对模型的前端、中间
PDF3 months ago
基于语言模型的嵌入方式测量文本的分布变化优势
利用大型语言模型（LLMs）生成的嵌入向量，我们提出了一种基于聚类的算法来测量文本数据的分布漂移，并通过实验证明其对于数据漂移的敏感性比其他嵌入方法更高。我们还提出了数据漂移敏感性作为衡量语言模型的重要评估指标，并从 18 个月的实际部署中
PDF7 months ago
MMEdgeFD：一种面向工业物联网的边缘友好漂移感知故障诊断系统
提出了一种适用于边缘部署的漂移感知权重整合（DAWC）方法，通过检测漂移和估计参数重要性，逐步为故障诊断模型提供强大的泛化能力，从而实现在边缘设备上减少模型微调的需求，并节省计算资源。与现有技术相比，DAWC 取得了更好的性能，并确保与边缘
PDF9 months ago
生产评估中的辅助系统信息融合
提出了一种基于信息融合的新方法来定义依赖于结合不同信息源的辅助系统，以同时提供评估。本文的主要贡献是提供了一个利用证据理论来融合 n 个信息源的通用框架。融合能够提供更强大的预测和相应的不确定性，可用于评估预测的准确性。此外，我们提供了一种
PDF10 months ago
EdgeMA: 为边缘设备上实时视频分析的模型适应系统
EdgeMA 是一个实际高效的视频分析系统，通过基于统计纹理特征的灰度共生矩阵提取和随机森林分类器检测领域转变，以及基于重要性加权的模型适应方法，解决了边缘设备上实时视频分析中数据漂移问题，并通过真实数据集的严格评估，结果表明 EdgeMA
PDFa year ago
人工智能算法的控制与监测
解释了在部署后管理人工智能模型的重要性，以及监控现有数据的分布与训练数据之间的潜在波动。阐明了数据漂移和概念漂移的概念以及它们各自的基础分布。此外，引入了一系列度量指标，可用于审查模型在潜在时间变化方面的性能。
PDFa year ago
ACL流式短文本可靠可解释的漂移检测
本研究提出了一种可靠的端到端框架，用于大型任务导向对话系统中模型无关变点检测和解释，并通过模拟对话系统中的客户请求，评估了该方法并展示了其效果。
PDFa year ago
增强性能控制和可观察性的 MLOps
介绍了一个观测模块中的关键工具，用于解决 MLOps 系统中的数据漂移和模型版本控制等困难问题，目的在于构建一个能够抵抗早期 ML 系统失败的强大系统
PDFa year ago
DetAIL：一款自动检测和分析语言漂移的工具
本论文旨在确保 “基于机器学习和深度学习” 的系统能够像传统软件一样可靠。论文提出了一种度量数据漂移的方法以及在其发生时自适应地重新训练模型的方法，并生成不同层面的解释以理解漂移原因。
PDF2 years ago
基于时空的联邦学习在分布式边缘上进行寿命期个体识别
该论文提出了一种名为 FedSTIL 的联合时空增量学习方法，可以解决在将人物再辨识模型部署到现实设备时面临的数据漂移问题，同时在多个分布式边缘客户端上不断优化模型。
PDF2 years ago
TransDrift: 使用 Transformer 建模词嵌入漂移
本文提出了一种基于 transformer 的预测模型 TransDrift 用于保持 word embeddings 与数据分布的一致性，实验证明预测嵌入能够显著提高分类准确性。
PDF2 years ago
在线自动机器学习：一种适用于在线学习的自适应自动机器学习框架
本研究旨在针对数据漂移自动设计在线学习的管道，将在线学习器的固有适应能力与自动化管道的快速优化能力结合起来，我们基于异步遗传编程和异步连续缩减思路优化管道，实验证明了 OAML 系统在数据漂移情况下相比流行的在线学习算法具有更好的性能和适应
PDF2 years ago
AAAI回到未来 -- 文本表示的顺序对齐
本研究探讨了语言演化之对于机器学习模型的影响，提出使用序贯对齐学习表示来处理数据漂移的方法，并在多个任务上取得优异的效果。
PDF5 years ago