data imbalance | BriefGPT - AI 论文速递

关键词data imbalance

搜索结果 - 81

超越数据不平衡的泛化：对 CLIP 进行可控研究以获取可转移的洞见
研究发现 CLIP 预训练在面对数据不平衡时相比于监督学习表现出明显的鲁棒性和学习泛化能力。通过对各种潜在因素的控制实验研究，揭示了 CLIP 预训练的伪任务形成了一个动态分类问题，在训练中只包含部分类别，从而消除了主导类别的偏差且隐含地实
PDFa month ago
在线分析无示例连续学习支持大型模型的不平衡自动驾驶任务
在自动驾驶领域，我们提出了一种基于分析原则和岭回归的无样本在线继续学习方法，用于解决自动驾驶中的连续学习问题，包括灾难性遗忘和数据不平衡，并通过生成偏移伪特征来处理数据不平衡。实验证明，我们的方法在自动驾驶数据集上表现优于其他方法。
PDFa month ago
从动态不平衡学习的角度重新考虑逐步学习
通过数据不平衡的角度来分析深度神经网络在连续学习新概念时容易出现灾难性遗忘问题，提出了一种名为 Uniform Prototype Contrastive Learning (UPCL) 的方法，通过学习均匀且紧凑的特征来解决动态不平衡问题
PDFa month ago
使用原型进行简单采样和困难混合以重平衡对比学习用于文本分类
基于文本分类的超视域对比学习方法 SharpReCL，通过利用原型向量和样本集构建，克服了数据不平衡问题，实现了强大的特征学习和模型优化能力，在多个数据集上表现优于大型语言模型。
PDFa month ago
CVPR从 AIM-2 可穿戴传感器自动识别饮食环境
通过使用神经网络和两阶段训练框架，结合微调和迁移学习技术，本研究成功应对了数据不平衡问题，实现了 96.63% 的高分类准确率，从而自动识别摄入环境。
PDF2 months ago
一种处理不平衡数据的生成式深度学习方法用于车祸严重程度建模
该研究提出了一种基于条件数据生成对抗网络 (CTGAN-RU) 的交通事故数据生成方法，通过数据平衡和合成数据生成，用于交通事故严重性建模，结果表明使用 CTGAN-RU 生成的合成数据在交通事故严重性建模中优于使用原始数据或其他采样方法生
PDF3 months ago
AISPACE 在 SemEval-2024 任务 8 上：用于检测多生成器机器生成文本的类平衡软投票系统
本研究针对 SemEval-2024 Task 8 提出了一个系统，主要处理 Subtask B，该系统旨在检测给定的全文是由人类撰写还是由特定的大型语言模型生成，这是一个多类文本分类任务。我们团队 AISPACE 对基于 Transfor
PDF3 months ago
EG-ConMix：基于图对比学习的入侵检测方法
通过提出 EG-ConMix 方法，本文解决了 IoT 网络攻击事件监测的复杂性、数据不平衡问题，并展示了其在入侵检测性能方面相对于其他方法的显著优势。
PDF3 months ago
登上 ISS: 不平衡的自监督：混合表格数据集的缩放自编码器发现
通过研究表格数据中自我监督学习不平衡，尤其是在图像数据集中，看到现有研究主要集中在图像数据集，本文旨在填补这一空白，着重探讨自我监督学习在表格数据领域中因数据不平衡而带来的具体挑战，重点关注自编码器。我们分析了目前使用一个热编码器和标准损失
PDF3 months ago
SIFT-DBT：自训练初始化及微调用于不平衡数字乳钼靶图像分类
数字乳腺断层摄影（DBT）是一种广泛使用的医学影像模态，用于乳腺癌筛查和诊断，通过其类似于 3D 的乳腺体积成像能力提供更高的空间分辨率和更多的细节。然而，增加的数据量也引入了明显的数据不平衡挑战，其中只有一小部分体积包含可疑组织，这进一步
PDF3 months ago
概率对比学习用于长尾视觉识别
在研究中，我们提出了一种新颖的概率对比学习算法（ProCo），它通过估计特征空间中每个类别的样本数据分布并相应地采样对比对，以克服由于数据不平衡而导致的标准有监督学习算法性能下降的难题。我们引入了一个合理简单的假设，即在对比学习中，归一化特
PDF4 months ago
COLING课程学习结合有向无环图进行多模态情感识别
本文提出了一种多模态对话情感识别的新方法 MultiDAG+CL，该方法利用有向无环图 (DAG) 在统一框架中集成了文本、声学和视觉特征。该模型通过课程学习 (Curriculum Learning) 改善了情感变化和数据不平衡的挑战，逐
PDF4 months ago
改进连续多标签学习中的不平衡鲁棒性：双输出尖峰计算机架构 (DOSA)
提出了一种名为 DOSA 的双输出脉冲架构，以及一种新颖的平衡感知损失函数，用于改善多标签分类模型的鲁棒性和处理不均衡数据，实验证明 DOSA 在处理不均衡数据和连续多标签学习方面表现更好。
PDF5 months ago
我们取得了多少进展？从不平衡回归角度重新审视化学反应产率预测
化学反应产量预测的准确性可以通过简单的成本敏感重新权重方法大幅提高，尤其对于不平衡的高产量区域。
PDF5 months ago
DeFlow: 自动驾驶场景流解码器
DeFlow 通过使用门控循环单元（GRU）细化，实现了从基于体素的特征到点特征的过渡，在恢复场景流任务中克服了体素化过程中点特定特征的丢失，并通过考虑静态点和动态点之间的数据不平衡而制定了一种新型损失函数，评估结果表明，在大规模点云数据上
PDF5 months ago
基于机器学习的网络入侵检测在大规模和不平衡数据上的应用：过采样、堆叠特征嵌入和特征提取
我们介绍了一种基于机器学习的网络入侵检测模型，使用随机过采样处理数据不平衡并基于聚类结果进行堆叠特征嵌入，以及使用主成分分析进行维度约简，特别适用于大规模和不平衡的数据集，并在三个现阶段的基准数据集：UNSW-NB15、CIC-IDS-20
PDF5 months ago
多数派还是少数派：用于命名实体识别的数据不平衡学习方法
通过提出 MoM 学习方法来解决数据不均衡问题，在命名实体识别任务中改善少数类别的预测性能，而不损失多数类别的性能，同时在多种语言、模型和框架中都取得了一致的性能提升。
PDF5 months ago
基于联邦学习方法的数据不平衡对信用风险预测的影响
信用风险预测对商业银行和其他金融机构在授予贷款和减少潜在损失方面起着关键作用。本研究调查了联邦学习在信用风险评估中的可行性，并展示了数据不平衡对模型性能的影响。通过使用多层感知机 (MLP)、长短期记忆网络 (LSTM) 和极限梯度提升 (
PDF6 months ago
适应性数据增强对方面情感四元预测
该研究提出了自适应数据增强（ADA）框架来解决情感分析中的数据不平衡问题，并探索了生成框架用于提取完整的情感四元组。实验结果表明，自适应数据增强方法对于改善情感分析任务中的数据不平衡问题具有优势。
PDF6 months ago
透明和隐私：可解释人工智能和联邦学习在金融欺诈检测中的作用
研究介绍了使用联邦学习和可解释的人工智能的新方法来解决金融机构在欺诈检测方面面临的挑战，该方法能够在保护数据隐私的同时提高检测系统的性能，并具备透明性和可解释性。
PDF6 months ago