ensemble methods | BriefGPT

关键词ensemble methods

搜索结果 - 83

IJCAIpTSE: 一种概率时间序列多模型集成方法
提出一种基于隐马尔可夫模型的概率多模型分布集成方法，名为 pTSE，该方法可显著提高时间序列的鲁棒性和准确性。
PDFa year ago
群体参数平均化（PAPA）
PAPA 是一种结合了集成方法的一般性和权重平均值的效率的方法，其中一个由多个神经网络生成的种群根据其加权平均值进行更新，以提高性能。
PDFa year ago
AAAI深度集成学习的推理效率优化
本文提出了一种基于序列推理过程的集成学习方法，通过逐步筛选难度较大的样本，动态调整模型的推理集成过程，从而同时优化推理的有效性和效率，实现了 56% 推理成本的减少，而维持与全集成模型相当的性能。
PDFa year ago
UQ-ARMED: 面向聚类非独立同分布数据的对抗正则化混合效应深度学习的不确定性量化
本文比较了 4 种常见的表观 UQ 方法，即 BNN、SWAG、MC dropout 和集成方法，在 ARMED MEDL 模型的统计指标、协变系数和预测置信度方面的能力，实验结果表明，90％子采样的集成方法提供了最佳的全面性能，同时保持
PDF2 years ago
模型集成而非提示融合：针对少样本提示调整的样本特定知识迁移方法
本文关注于如何提高 Prompt tuning 在 few-shot learning 任务中的性能。作者们实现了带有多种 source prompts 的简单方法，通过进行模型输出的组合来达到更好的性能，并提出了 Sample-speci
PDF2 years ago
针对仇恨言论的 T5 增强数据和集成方法
本研究使用不同最新模型对自动检测仇恨言论进行全面探究，发现数据增强和集成方法对模型有何优点，并使用两种可解释人工智能算法揭示模型如何做出预测。同时，发现缺乏数据注释和质量控制，提出了一个简单的机制用于纠正 T5 模型中的错误预测，并公开模型
PDF2 years ago
COLING重新审视预训练语言模型提取短语结构句法分析的实际有效性
本文提出了两种预先训练的语言模型的高级集成方法，证明这种新的解析范例可以通过引入一组异构的 PLM 使用我们的技术与常规的无监督解析器竞争。此外，本文还探讨了 CPE-PLM 生成的树在实际中有用的一些情况，特别是在少量数据学习环境中，C
PDF2 years ago
IJCAI走向应用强化学习：通过策略集提高泛化能力和样本利用率
本文介绍了一种名为 Ensemble Proximal Policy Optimization (EPPO) 的强化学习算法，它使用了集成学习方法和多元策略组合优化，采用策略空间多样性增强正则化，可以更好地解决在实际场景中的噪声、环境变化等
PDF2 years ago
针对网络入侵检测数据集特征调整的集成分类器设计
本文针对 UNSW-NB15 数据集的类不平衡和特征空间中的类重叠问题，提出了一种机器学习分类器的数据驱动设计和性能评估方法，其中使用 Balanced Bagging、eXtreme Gradient Boosting、Hellinger
PDF2 years ago
PFGE：DNNs 的简易快速几何集成
通过提出一种轻量级的 “PFGE” 方法，该论文改进了深度学习系统中集成学习方法的效率。PFGE 使用成功执行的随机权重平均过程的轻量级的高性能 DNN 的集合来提高内存效率，并且实验结果表明，该方法在保持泛化性能的同时可以实现比现有方法高
PDF2 years ago
语义分割的高效自组合
本文提出了自组合方法，结合特征金字塔网络和多尺度特征来增强语义分割，避免了传统的集成训练成本，并且经过测试取得优于阈值的结果，具有应用前景。
PDF3 years ago
关于斯坦变分神经网络集成
本研究研究了使用不同的 Stein 变分梯度下降方法来解决深度神经网络的 Bayesian 框架的问题，通过改善功能多样性和不确定性估计，逼近真实的 Bayesian 后验，并展示使用随机 SVGD 更新可以进一步改善性能。
PDF3 years ago
基于 Transformer 的攻击性语言检测的集成策略
本研究基于 EACL 2021 的一个共享任务，针对低资源语言如泰米尔语的情况，提出了一种差异化的多元化变压器模型探索以及多个模型集成技术，并通过 Tamil，Kannada 和 Malayalam 三种语言的争夺任务，获得了第一或第二的优
PDF3 years ago
组合集成和数据增强可能损害您的校准
研究表明，在神经网络预测中平均多个集成模型和使用数据增强技术可以提高模型的校准性和鲁棒性，但是结合这两种方法会损害模型的校准性。研究者发现这是由于模型的置信度在使用多组权重和数据增强时过于保守。作者通过提出简单的方法来解决这种问题，并在 C
PDF4 years ago
DVERGE: 增强集合模型的多样化漏洞生成
研究发现，针对图像分类的 CNN 模型存在重叠的对抗性漏洞，DVERGE 通过提取非鲁棒特征并使对抗性漏洞多样化，实现了针对转移攻击的高鲁棒性。
PDF4 years ago
后验网络：基于密度伪计数的无需 OOD 样本的不确定性估计
本文提出了一种基于 Posterior Network 的方法，该方法使用 Normalizing Flows 预测任何输入样本的概率预测的闭合后验分布，可以精确地反映入内和外分布数据的不确定性，无需在训练时访问 OOD 数据，实现了最先进
PDF4 years ago
高斯 - Softmax 积分的均场逼近及其在不确定性估计中的应用
本文提出了一种新的单模型方法，通过模擬高斯分布与神经网络的 softmax 输出的集成来解决深度神经网络输出预测中的不确定性问题，同时可以进行闭式近似推断。实验证明，该方法在标准不确定性估计任务中性能竞争力强，并且在超出分布检测方面优于许多
PDF4 years ago
ICLR在对抗性环境下重新审视集成：提高自然精度
为了提高深度学习模型在实际应用中对小型对抗扰动的抵抗力和非恶意输入的准确性，我们考虑了一些集成方法，关键洞见在于训练模型以抵御小型攻击的模型在集成时可以承受更大的攻击，并且可以通过这个概念来优化自然准确性。我们考虑了两种方案，一种是从几个随
PDF4 years ago
AAAI基于宽度集成的卷积神经网络有效的学习面部特征
本文研究深度学习的集成方法，提出了具有共享表示的集成方法，通过实验数据计算并展示了其高效性和可伸缩性，并在表情识别领域达到了人类级别的性能。
PDF4 years ago
ACL语言模型的知识如何得知？
本文提出使用基于挖掘和释义的自动化方法来生成高质量且多样化的提示语，并使用模型集成的方法来改进语言模型（LM）中的关系知识的查询。通过 LAMA 基准测试表明，该方法将 LM 的准确性从 31.1% 提升至 39.6%，为 LM 的知识提供
PDF5 years ago