drift detection | BriefGPT - AI 论文速递

关键词drift detection

搜索结果 - 16

深度学习表示中的无监督概念漂移实时检测
提出了 DriftLens，一种基于深度学习表示的无监督实时概念漂移检测框架，能够比以前的方法更好地检测漂移，在至少 11 个测试用例中运行速度至少快 5 倍，并且其检测到的漂移值与实际漂移量非常相关（相关性≥0.85），对参数变化具有鲁棒
PDF13 days ago
一种基于邻居搜索的差异性漂移检测方案，用于学习进化数据
基于 Neighbor-Searching Discrepancy 的新统计量，提出了一种能够高准确率检测真实概念漂移并忽略虚假漂移的方法，同时还能指示分类边界变化的方法。实验结果表明，该方法在不同分布和维度下具有鲁棒性，并且在漂移检测方面
PDFa month ago
应对恶意软件概念漂移的主动性和解释性手段
DREAM 是一种新颖的系统，通过模型敏感性和数据自主性增强漂移检测，在半监督训练中主动捕捉恶意软件行为概念，并通过嵌入于检测器的潜在空间的恶意软件标签和概念解释扩大人工干预，以协调分类器和检测器的更新过程，从而能够有效提高漂移检测准确性并
PDF2 months ago
MM如何可持续监测机器学习系统？概念漂移检测中的准确性和能量效率平衡
通过对七种常用的概念漂移检测方法进行实验研究，我们的结果表明，根据能源效率和准确性的权衡考虑，概念漂移检测器可以分为三种类型：a) 以检测准确性为代价的能源效率检测器（KSWIN），b) 在能源消耗较低时具有较好准确性的平衡检测器（HDDM
PDF2 months ago
混合集成旅行方式预测
以城市和国家层面的各种出行方式数据集为例，我们提出了一种新颖的增量批处理和流处理模型的组合方法 (IEBSM)，旨在适应出现在数据中的概念漂移，该方法结合漂移检测器、批处理学习和流式挖掘模型，与批处理和增量学习器进行比较，包括依赖主动漂移检
PDF3 months ago
探讨概念漂移检测在水配供网络泄漏检测中的适用性
水分配网络中的泄漏是一项重大风险，会导致水损失和增加污染风险。本文探讨了基于模型损失和基于分布的漂移检测方法在泄漏检测中的潜力，还讨论了数据中的时间依赖问题并提出了解决办法。我们对不同大小和检测时间的泄漏进行了系统评估，此外，我们提出了一种
PDF6 months ago
数据流中漂移检测的不确定性估计技术的实证研究
通过使用不确定性估计方法作为错误率的替代物来检测漂移，本研究对七个真实世界数据集进行了全面实证评估，旨在减少对标签较少且昂贵的部署后数据的依赖。结果表明，尽管 SWAG 方法表现出更好的校准性，但不确定性估计方法的选择对于检测漂移的整体准确
PDF8 months ago
关于概念漂移的已知事项 -- 监测演化环境的调查
本文提供了对无监督数据流中概念漂移的文献综述，主要关注概念漂移的检测和定位方法，并提供了对各种方法的系统性比较和在真实场景中的使用指南。另外，本文还探讨了解释概念漂移的新兴话题。
PDF8 months ago
Drifter：大规模推荐系统中的高效在线特征监控以提高数据完整性
Drifter 是一种高效、轻量级的在线特征监控和验证系统，通过提供敏捷、响应灵敏和适应性的数据质量监控，实时根本原因分析、漂移检测和有问题的生产事件的洞察，解决现有方法的局限。Drifter 集成了最先进的稀疏数据的在线特征排序和异常检测
PDF10 months ago
适应变化：动态数据环境中的稳健反事实解释
DyGRACE 是一种新颖的半监督图对因解释器方法，利用关于数据分布的初始知识在避免使用可能过时的决策函数的信息的情况下搜索有效的反事实，它通过两个图自编码器（GAEs）学习二元分类场景中每个类的表示，其方法独立于基础的黑盒预测模型，并且具
PDFa year ago
一种高效而直接的在线量化方法，通过删除产生更新来处理数据流
该研究提出了一种应对数据流概念漂移挑战的在线向量量化方法，并证明其在概念漂移下仍能生成最小化死单元，同时建议从该方法计算出的一些度量指标能帮助进行漂移检测。
PDFa year ago
动态建模场景下的部分依赖图解析 (iPDP)
提出了一种模型无关的可解释人工智能框架，称为增量 PDP (iPDP)，扩展了 PDP 来提取非平稳学习环境下的时间依赖特征效果，并展示了在漂移检测上的应用和在真实世界和合成数据集和数据流上进行多次实验。
PDFa year ago
基于自编码器的流式数据异常检测，具有增量学习和概念漂移适应
本文提出了一种自编码器模型的增量学习方法，并加入了漂移检测，以应对非平稳环境中异常事件的问题。在实验中，我们使用了现实世界和合成数据集进行了实证分析，并进行了对比分析，结果表明该方法明显优于现有的基线和先进方法。
PDFa year ago
概念漂移下的学习：一份综述
本文针对数据流中的概念漂移进行了相关研究，分析法检测，理解和适应等漂移技术的发展趋势，并建立了一个包含三个主要组件的漂移学习框架：概念漂移检测，概念漂移理解和概念漂移适应。同时，本文还列举和讨论了 10 个流行的合成数据集和 14 个公共基
PDF4 years ago
MMDriftSurf：基于概念漂移的风险竞争学习算法
研究了在流数据场景下，概念漂移对先前学习的模型造成的影响和需要重新训练的需求，提出了一种基于漂移检测和更广泛的稳态 / 响应态过程的自适应学习算法，并在实验中验证了该算法优于先前基于漂移检测的方法，并可以应用于多种监督学习问题。
PDF4 years ago
进化集成模糊分类器
本文提出了一种新的演化集成分类器，称为 Parsimonious Ensemble pENsemble，该方法由一种被称为 Parsimonious Classifier pClass 的演化分类器构建，具有动态的特征选择和集成结构，并具有
PDF7 years ago