- 基于 (X) AI 学习系统的领域知识传递
通过利用可解释性人工智能系统在专家的指导下训练新手可以替代传统学习系统,从而传授隐性知识并调节学习者的认知风格,为人工智能开发者提供未来定制 (T) XAI-based 学习系统的设计方案。
- 睡眠赌徒的近最佳每个动作的遗憾界
我们使用广义版本的 EXP3、EXP3-IX 和 FTRL 与 Tsallis 熵直接最小化每次行动的遗憾,从而获得了接近最优的 $ O (√{TAlnK})$ 和 $ O (√{T√{AK}})$ 的界限,并将我们的结果推广到了从睡眠专 - 基于多任务表现的专家活跃排名
针对评估专家在多项任务上表现的问题,提出了一种策略,使得能够通过接收含噪声的反馈信息,实现对专家排名的正确恢复,并且该策略适应问题的复杂程度,并提供了与理论结果一致的数值模拟。
- 用于结肠癌诊断的沉浸式虚拟结肠镜检查器
本研究探讨了使用 VR 范例中的元素以提高虚拟结肠镜检效率与诊断准确性,计划进行多方面实验以评估覆盖范围、持续时间和专家对其的影响。
- 众包多词表达式的相对排名:专家与非专家
本研究探讨专家和非专家在众包实验中对于难易度问题的一致性。我们要求非专家(瑞典语第二语言学习者)以及两组专家(瑞典作为第二 / 外语的教师和欧洲共同语言参考框架(CEFR)专家)在众包实验中对多个单词表达式进行排序。我们发现所得到的三个测试 - ACL探索在线支持论坛中自我认定的咨询专业知识
本文研究了精神健康相关的在线求助帖子中,自识别为精神健康专家与同龄人的回复差异,使用语言学分析探讨二者交互中的语言使用和互动特点,以期为理解健康专家在社交网络中与信息和支持寻求者的互动作出贡献。
- 利用 PDE 方法从两个依赖于历史的专家建议预测二进制序列
本文研究通过在线机器学习的技术,建立了一个 “股票预测问题” 的模型,探讨了投资者和市场策略,并使用最优控制、图论和偏微分方程的方法确定了使用两个与历史相关的专家的股票行情预测的性能上下界。
- AAAI专家因果判断融合
考虑一个政策制定者如何将专家的因果判断结合起来,以决定最有效的干预措施。作者定义了有效干预的概念,并研究了如何将专家的因果判断相结合,提出了两个因果模型兼容性的定义,并以实际案例来说明该方法。
- MM恶意专家挑战在线预测的乘法权重算法
本文考虑了一种带有两位专家和一位预测者的预测问题,探讨了一种基于经典乘法权重算法的自适应乘法权重算法的近似最优性,并发现了恶意专家的价值函数的上下界,结果表明乘法权重算法无法抵制恶意专家的腐败。
- NIPS从强盗到专家:浅谈旁观价值
本文探讨了一种对抗性在线学习情境,其中决策者可以在每个阶段选择一个行动,并观察到给定行动的奖励,同时还能获取有关选择其他行动所获得的奖励的信息。研究者们开发出具有可证明的后悔保证的实用算法,这些算法依赖于非平凡的图论信息反馈结构特性。
- 无损预测策略
该文介绍了一种算法,可以在任何时间段内对任何字符串进行零误差预测,同时在总体上得到小的遗憾值,并将这种算法扩展到 $N$ 个专家的一般情况。
- 时间序列的非参数顺序预测
本文基于一组‘专家’结合提出了非参数化的预测策略,并在最少条件下展示了这些策略的普适一致性。通过对真实数据集的深入分析表明,这些非参数化策略比 ARMA 方法更具灵活性,更快速,并且在归一化累积预测误差方面总体表现更好。