ensemble approach | BriefGPT

关键词ensemble approach

搜索结果 - 40

CamoDiffusion: 基于条件扩散模型的伪装物体检测
在计算机视觉中，把伪装目标检测（Camouflaged Object Detection，COD）视为基于扩散模型的条件掩蔽生成任务，提出了一种名为 CamoDiffusion 的方法，它使用扩散模型的去噪过程来迭代地减少掩蔽的噪声，其随机
PDFa year ago
COVID-19 的假新闻检测与行为分析
本文通过深度学习和集成学习方法，成功识别出社交媒体上的假新闻，并且对其话题进行了研究，发现其中一半话题与真实新闻相同，可能会导致人们的混淆。
PDFa year ago
IJCAI基于高效不变名称的图神经网络表示的自动定理证明集成方法
使用强化学习和集成方法，借助改进的图神经网络和改良的公式表示方法，成功地构建了一种名称不变的公式表示方法，显着提高了自动定理证明的性能和泛化能力。
PDFa year ago
Rudolf Christoph Eucken 在 SemEval-2023 任务 4 中：一种集成方法用于从论证中识别人类价值观
本文提出了一种集成方法来从论述文本中检测人类价值观，该方法包括三个模型，并通过不同的方法组合实验，最终获得 0.48 的 F1 分数。
PDFa year ago
在线市场产品分类：一种集成方法
本研究提出了一种集成方法，通过使用不同的模型分别预测产品的类别、子类别和颜色并将结果结合，从而在预测这些特征时可以实现平均 F1 - 得分为 0.82，适用于电商公司的产品分类问题。
PDFa year ago
DCN-T: 基于 Transformer 的双重上下文网络用于高光谱图像分类
本研究提出了一种基于三波段图像生成、端到端分割网络和集成学习方法的高光谱图像分类方案，能够优于现有最先进的方法。
PDFa year ago
一层隐藏层神经网络中的简单性偏差
该研究通过严格定义和深入探究神经网络的简单性偏差，理论上和经验上均证明在解决任务时只学习低维度输入的特征，不依赖于更复杂的特征，同时提出一种基于特征的训练顺序的集成方法，能够使得模型对高斯噪声具有更强的鲁棒性。
PDFa year ago
OPD@NL4Opt：优化问题命名实体识别任务的组合方法
本文在 NL4Opt 竞赛的子任务 1（NER 任务）中提出了一种集成方法。我们首先在竞赛数据集上对预训练语言模型进行微调，然后采用差分学习率和对抗性训练策略来增强模型的泛化能力和鲁棒性。此外，我们还采用模型集成方法进行最终预测，在 NER
PDF2 years ago
稳健的心电图分类的去相关网络架构
通过特征装饰、傅里叶分区和集成技术来提高电生理图分类精度和不确定度的估计，提高了人工智能模型的鲁棒性和可靠性。
PDF2 years ago
利用词语语义丰富汉语预训练模型的字表示
本文提出了一种新的方法，利用单词结构并将词汇语义融入预训练模型的字符表示中，以加强单词信息的表达，通过词 - 字符对齐注意机制和集成方法来提高不同中文自然语言处理任务的性能，并进一步证明了模型各组件的有效性。
PDF2 years ago
COLING通过话语增强从情感注释到情感预测
研究新架构用于情感分析的任务，结合了大规模的 MEGA-DT treebank 以及基于混合 TreeLSTM 分层注意模型的神经架构，通过情感相关的话语增强情感预测性能，实验结果显示，性能优于使用先前基于人类注释数据训练的良好建立的话语解
PDF4 years ago
一种跨类别集成方法以提高 Reddit 实体标记的鲁棒性
本研究探讨使用不同语料库训练的最新词性标注模型在 Reddit 论坛讨论帖子等用户生成数据中的表现，发现即便少量的 in-domain 数据，也能胜过大量来自其他 Web 领域的数据，同时也提出多种错误类型的分类，并使用集成学习法提高了模型
PDF4 years ago
端到端语音识别的自训练
本文探讨了自我训练在端到端语音识别中的应用，并展示给出了使用伪标签训练深度学习模型的方法，经过实验证明了该方法可以大幅提高基准模型的准确率，通过使用语音和语言模型生成伪标签和一些序列到序列模型的过滤机制，并采用新颖的集成方法提高伪标签的多样
PDF5 years ago
KDD使用合成数据进行时间序列分类的数据增强与深度残差网络
本文研究了基于动态时间规整距离的数据增强技术在深度学习模型在时间序列分类任务中的应用，通过对 UCR TSC 基准测试集的大量实验，发现数据增强可以显著提高深度 CNN 在某些数据集上的准确度，并在集合方法中使用此方法可以显著改善模型准确度
PDF6 years ago
IJCAIMEGAN: 多模态图像生成的混合专家生成对抗网络
我们提出一种混合专家 GAN （MEGAN）方法，它使用多个生成器网络进行集成学习，并通过门控网络在不同条件下选择适当的网络，以生成具有特定子集的模式的图像。我们证明各自利用数据的不同部分，达到较高的多尺度结构相似性分数和竞争性的无监督内在
PDF6 years ago
ACL英语中名词代词回指的预测模型
本研究使用 OntoNotes 语料库，通过集合方法预测英语虚指词在语境中的使用，为最大实证数据的基础。结果表明，提出在指示语前置的复数结构的理论方法是不足够的，而在虚指语处的情境和全局因素（如体裁）对指示表达的选择有很大影响。
PDF6 years ago
使用高斯过程叠加泛化提高疾病风险地图的预测准确度
研究了针对非线性变量的高斯过程回归集成方法来预测在撒哈拉沙漠以南非洲地区的疟原虫感染率，该方法明显优于单一方法。
PDF8 years ago
两者并存：基于检索和生成技术的对话系统集成
本文提出了一种将检索式和生成式对话系统相结合的方法，将检索到的候选回答与原始查询一起馈送到基于循环神经网络的回答生成器中，以使神经模型了解更多信息。实验结果表明，这种集成方法明显优于单独使用检索和生成方法。
PDF8 years ago
电子商务中的产品分类使用分布语义学
针对商品分类中的文本表示和算法效率问题，我们提出了一种新的分布式语义表示方法和两层集合式分类器来降低错误率，实验结果表明，我们的方法比先前的方法在各种评价指标上更有效。
PDF8 years ago
结合搜索、社交媒体和传统数据来源来改进流感监测
本研究使用机器学习方法，结合多种数据源包括谷歌搜索、社交媒体数据和卫生部门数据等，提供实时和预测性的美国流感活动估计。通过将每个数据源产生的流感样病例（ILI）活动情况独立生成的多个估计值结合起来，使用机器学习集成方法生成准确的每周 ILI
PDF9 years ago