data preprocessing | BriefGPT

关键词data preprocessing

搜索结果 - 48

PreSto：一种用于训练推荐模型的存储区数据预处理系统
PreSto 是一种以存储为中心的预处理系统，通过利用存储处理（ISP）单元将瓶颈的预处理操作卸载到存储中，与基准的以 CPU 为中心的系统相比，PreSto 结束到结束的预处理时间加快了 9.6 倍，成本效率提高了 4.3 倍，能源效率提
PDF24 days ago
ICML大规模估计冠层高度
全球范围树冠高度估计的框架，基于卫星数据，利用先进的数据预处理技术，采用一种针对地面真实高度测量中固有的地理定位误差的新型损失函数，并利用来自航天飞机雷达测绘任务的数据，有效地过滤掉山区错误标签，提高了在那些区域的预测可靠性。与实际高度标签
PDFa month ago
基于 BERT 深度学习算法的 AI 生成文本检测与分类
基于 BERT 算法的人工智能生成文本检测模型在实验中表现出高准确率和稳定性，为相关领域提供了有效的解决方案。
PDFa month ago
基于双向门控循环单元（GRUs）模型的文本情感分析与分类
本研究探讨了在自然语言处理领域中文本情感分析和分类的重要性，并提出了一种基于双向门控循环单元（GRUs）模型的新方法。研究首先分析了包含六个情感标签的词云模型的文本，然后进行了数据预处理，包括删除特殊符号、标点符号、数字、停用词和非字母部分
PDF2 months ago
神经影像前处理策略对后续统计分析的影响的敏感性分析
通过对大量正电子发射断层扫描数据进行统计分析，我们提出了一种通用性框架，用于处理脑结构和功能的多元宇宙情景中的噪音，并汇总多个数据预处理流程的结果，以得出准确结论。
PDF2 months ago
可解释的 LightGBM 预测心肌梗死死亡率
在这篇文章中，我们研究了数据预处理任务的影响，并比较了三种集成增强树方法来预测心肌梗塞患者的死亡风险。此外，我们采用树 Shapley 加性解释方法，来识别执行预测所涉及特征之间的关系，利用所有可用数据进行分析。值得注意的是，我们的方法在与
PDF2 months ago
精确高效的微区 XRD 相位识别方法：多任务学习应用于热液流体
本研究展示了多任务学习（MTL）架构的深度学习在高度扭曲的微 X 射线衍射模式分析中的潜力，通过训练 MTL 模型识别微 X 射线衍射模式中的相位信息，减少对实验数据标记和预处理的需求，展示了 MTL 模型在准确性上优于二进制分类卷积神经网
PDF4 months ago
开放的连续特征选择通过颗粒球知识传递
该研究论文提出了一种新颖的框架，用于在数据预处理中进行持续特征选择，特别是在存在未知类别可能出现的开放和动态环境下。研究方法结合了持续学习和颗粒球计算的优势，构建了颗粒球知识库来检测未知类别，并促进先前学到的知识的进一步特征选择。通过对公共
PDF4 months ago
不平衡遗传数据的改进分类和回归性能的数据预处理方法、特征选择技术和机器学习模型的比较分析
通过研究数据的预处理、特征选择技术和模型选择对机器学习模型在基因数据集上的性能进行了调查，发现在回归任务中，异常值或偏斜的预测变量和目标变量对模型性能没有造成挑战；而分类任务中，类别不平衡的目标变量和偏斜的预测变量对性能几乎没有影响。随机森
PDF4 months ago
基于机器学习的阿尔茨海默病智能诊断
该研究基于阿尔茨海默病神经影像计划（ADNI）数据集，旨在探讨阿尔茨海默病的早期检测和疾病进展。通过创新的数据预处理策略，包括使用随机森林算法填补缺失数据，处理异常值和无效数据，从而充分挖掘和利用有限的数据资源。通过 Spearman 相关
PDF5 months ago
使用深度学习技术进行糖尿病检测的过采样和特征增强
通过使用深度学习技术进行数据预处理和分类，本研究提出的全面深度学习流程方法在糖尿病检测领域中表现出超越最先进方法的潜力。
PDF5 months ago
森林火灾检测中支持向量机（SVM）在具有挑战性数据集上的性能分析
这篇文章主要研究了使用支持向量机（SVM）对基于图像数据集的森林火灾检测进行性能和利用率分析。通过对带标签数据进行训练，SVM 能够识别与火灾相关的特征，如火焰、烟雾或森林区域的视觉特征变化。文章深入探讨了 SVM 的使用，包括数据预处理、
PDF5 months ago
基于深度学习、注意机制和能量预测的脑肿瘤分割
本文提出了一种感兴趣区域检测算法，通过数据预处理定位突出特征并剔除多余的 MRI 数据，进而减小输入尺寸，增强数据增广和深度神经网络，从而在 BraTS 基准测试中实现了最先进的分割性能。
PDF6 months ago
SMM4H 2023 中的探索者：通过知识和模型融合增强 BERT 在健康应用中的能力
本研究探讨了利用社交媒体中个人状态和意见来研究人类健康的方法，包括数据预处理、持续预训练和优化策略，特别是对于命名实体识别任务，我们使用了名为 W2NER 的模型架构以提高模型的泛化能力。我们的方法在任务 3 中获得第一名。
PDF7 months ago
OpusCleaner 和 OpusTrainer，用于训练机器翻译和大型语言模型的开源工具包
通过 OpusCleaner 和 OpusTrainer 工具，简化机器翻译系统的开发过程，降低工作量并降低新手的门槛。这些工具能够下载、清洗和预处理来自不同来源的双语（或单语）数据，并通过数据调度和数据增强构建大规模、可靠的机器翻译系统和
PDF7 months ago
使用经过大量增强的高分辨率三维 ResUNet 进行自动主动脉分割：对 SEG.A 挑战的贡献
自动分割三维医学图像中的主动脉是一项重要且困难的任务，本研究提出了一种基于深度编码 - 解码架构的全自动算法，通过数据预处理和增强来解决低数据量情况下的主动脉分割问题，并在测试中获得了较高的稳定性和 Dice 分数。
PDF8 months ago
BatteryML：一个用于电池衰减机器学习的开源平台
BatteryML 是一个一站式、全面、开源的平台，旨在统一数据预处理、特征提取和传统与先进模型的实施，以增强研究应用的实用性和效率。
PDF8 months ago
为神经网络预处理时间序列数据的扩展深度自适应输入标准化
提出了一种新的自适应神经层 EDAIN，用于适当规范化时间序列数据，并与传统规范化方法和现有的自适应时间序列预处理层进行了比较。
PDF8 months ago
基于频率和严重程度数据的保险定价神经网络：从数据预处理到技术费率的基准研究
使用深度学习结构对频率和严重性数据进行机器学习的保险定价研究，将广义线性模型与神经网络结合，在多种输入特征存在的情况下进行性能比较并构建全局替代模型，为实际部署提供技术性费率表。
PDF9 months ago
借助扩散增强图像提升膝关节骨关节炎严重程度分类
本研究探讨了使用先进的计算机视觉模型和增强技术对膝关节骨关节炎（OA）的严重程度进行分类。研究中调查了数据预处理，包括对比度受限的自适应直方图均衡化（CLAHE），以及使用扩散模型进行数据增强的效果。实验分为三个部分：在原始数据集上训练模型
PDF10 months ago