data imbalance | BriefGPT - AI 论文速递

关键词data imbalance

搜索结果 - 81

面对数据不平衡的多语言学习中的顺序问题
本文从实证角度研究了多任务学习的优化动态，特别关注了在存在显著数据不平衡的多个任务集合中所涉及的优化过程。我们提出了一种简单但有效的方法，即在高资源任务上进行预训练，然后在高 / 低资源任务的混合中进行微调。通过彻底的实证研究和分析，我们证
PDF7 months ago
基于提示的示例超压缩和再生技术的类别增量学习
通过引入一种新的示范超压缩和再生方法 ESCORT，将过去的图像压缩为视觉和文本提示，并通过预先训练的扩散模型生成多样化的高分辨率示范，从而显著提高了多个种类增量学习基准上的模型性能。
PDF7 months ago
CycleGANAS：CycleGAN 的可微分神经架构搜索
我们为 CycleGAN 开发了一种神经架构搜索（NAS）框架，用于执行无成对图像到图像的翻译任务，并设计了由简单的基于 ResNet 的单元堆栈组成的架构，有效探索大搜索空间，并且成功解决了数据不平衡的问题。这是 CycleGAN 的第一
PDF8 months ago
缓解多行为图协同过滤中的行为数据不平衡
通过消息传递在用户 - 物品交互图上学习用户和物品表示的图协同过滤已被证明有效地增强推荐性能。然而，大多数当前的图协同过滤模型主要在单一行为域（例如点击）上构建交互图，尽管用户在现实世界的平台上展示了各种类型的行为，包括点击、购物车和购买等
PDF8 months ago
标记重加权：一种简单而有效的命名实体识别主动学习策略
本研究提出了一种新颖的基于重新加权的主动学习策略，该策略可以为每个标记分配动态平滑的权重，以解决命名实体识别中数据不平衡和学习信号不足的挑战，并且在多个数据集上进行的实验结果表明，将此重新加权策略与已有的获取函数相结合可以显著提高性能，验证
PDF8 months ago
医学图像分层多标签分类的 TLMCM 网络
本论文提出了一种用于医学图像层次多标签分类的转移学习与最大约束模块网络，通过解决数据不平衡和层次约束等问题，提高了多标签预测准确度，在医疗应用领域具有重要价值。
PDF8 months ago
末端交付中的包裹丢失预测：深度与非深度方法，结合可解释人工智能的见解
在电子商务零售领域，减少最后一公里配送阶段的包裹丢失是一个重要目标。本文提出了两种机器学习方法，即数据平衡与监督学习（DBSL）和深度混合集成学习（DHEL），以准确预测包裹丢失。我们使用比利时货运的一年数据对所提出的机器学习模型进行了全面
PDF8 months ago
基于 LLM 的数据增强解决层级学科主题推断中的不平衡问题
使用大型语言模型（Llama V1）作为数据生成器，通过在复杂的学科层次结构中对研究提案进行采样，并设计基于关键词的研究提案生成方法，旨在解决数据不平衡问题，提高专家分配的公平性。实验结果表明，使用这种方法生成的研究提案能够有效解决前述问题
PDF9 months ago
面向分布无关的广义类别发现
通过提出一种自平衡协助对比框架（BaCon），该框架包括对比学习分支和伪标签分支，协同工作提供交互式监督以解决分布不可知的广义类别发现任务，在长尾开放世界环境中生成针对接近集和开放集类别的细粒度预测。与其他相关领域的最先进方法进行比较，Ba
PDF9 months ago
大规模语言模型的公共卫生平衡和可解释的社交媒体分析
给定研究论文，通过高级数据增强方法解决社交媒体数据不平衡问题，并借助 BERT 模型指导 LLMs，提出了一种用于公共卫生的社交媒体分析的新型 ALEX 框架，在 Social Media Mining for Health 2023 (S
PDF10 months ago
ICCV频率感知的自监督长尾学习
无监督学习与长尾分布数据的关联，用于产生具有辨别力的特征表示，以解决数据不平衡问题。
PDF10 months ago
UQ 在 #SMM4H 2023 中：利用社交媒体进行公共卫生分析的 ALEX
通过采用具有 LLMs 解释机制的 ALEX 架构，本研究旨在提高社交媒体上公共卫生分析的性能，结果表明我们的 ALEX 模型在 Social Media Mining for Health 2023 (SMM4H) 的所有任务中获得了最佳
PDF10 months ago
冠状动脉疾病早期诊断 AI 框架：边界 SMOTE、自编码器和卷积神经网络集成方法
通过机器学习算法对冠心病风险进行分类，本研究开发了一种数据平衡和增强方法，提高了诊断准确性，对样本数量较少和数据不平衡的情况特别适用。实验结果显示，本方法的平均预测准确率为 95.36%，高于随机森林、决策树、支持向量机、逻辑回归和人工神经
PDF10 months ago
长尾基于骨架的动作识别的平衡表示学习
骨架动作识别在最近取得了显著进展，然而，在现实场景中存在数据不平衡是一个巨大的挑战，当前动作识别算法的性能在训练数据中存在严重类别不平衡时急剧下降，如何从不平衡的动作数据中学习无偏的表示是解决长尾动作识别问题的关键，本文提出了一种新颖的平衡
PDF10 months ago
关于图上不平衡学习的调查：问题、技术和未来方向
这篇综述论文对不平衡图学习领域的文献进行了全面的回顾，提出了两个详尽的分类方法，并为读者建立了扎实的基础理解。该领域研究主要集中在图分析、数据不平衡以及相关的解决方法上，为读者在方法选择方面提供了指导，并展望了未来的研究方向以促进创新。
PDF10 months ago
长尾识别的均匀分布类别原型引导视觉语言框架
研究论文提出了一种基于统一类别原型导向的视觉语言框架，用于有效缓解数据不平衡引起的特征空间偏差，并通过去除无关噪声文本和增强关键属性信息的模块提高模型的鲁棒性，同时通过类特征原型导向分类器解决学习分类器的正向偏差问题，从而在长尾学习中实现了
PDF10 months ago
ICCV数据集公正性：样本是否平等？在数据集内寻求公正的探索
本文介绍了一种解决机器学习中数据不平衡问题的新方法，该方法利用深度感知嵌入和聚类基于图像外观计算样本似然，并使用提出的广义焦点损失函数在训练过程中对样本进行不同的加权。实验证实了该方法在自动驾驶视觉数据集（包括 KITTI 和 nuScen
PDFa year ago
使用引导扩散模型合成罕见白内障手术样本
通过对白内障手术视频数据的分析，我们利用一种基于去噪扩散隐式模型（DDIM）和无分类器指导（CFG）的条件生成模型，能够根据复杂的多类别多标签条件（如手术阶段和手术工具组合）合成多样化、高质量的样本，并证实这些合成样本的工具能被分类器识别，
PDFa year ago
ICLR神经崩溃终点：类增量学习及其变种的统一解决方案
该论文提出了一种统一的解决方案，通过神经崩溃终局将分类增量学习、灾难性遗忘和数据不平衡与数据稀缺等问题融合在一起，并通过原型演化方案实现了对背景特征的平滑转变，从而在面临常规情况、长尾类增量学习和少样本类增量学习时实现了更好的学习能力。
PDFa year ago
利用合成数据解决数据不平衡问题：基于数据视角的基准线
通过使用合成数据作为初步步骤，SYNAuG 建议在使用特定任务算法解决数据不平衡问题之前，以有效和关键的方式解决数据不平衡问题。
PDFa year ago