feature engineering | BriefGPT

关键词feature engineering

搜索结果 - 81

利用遥感图像和深度神经网络进行滑坡检测与分割
基于多源遥感图像输入的深度神经网络系统用于滑坡检测和分割，通过特征工程、网络架构和结合损失函数等方法提高了性能。
PDF6 months ago
关系深度学习：关系数据库上的图表示学习
关系数据库中的数据存储方式使得使用机器学习模型变得具有挑战性和耗时，通过引入关系深度学习（RDL）方法，我们可以直接学习跨多个表格布置的数据，而无需进行手动特征工程。关系深度学习通过自动学习图引导，从而提取利用所有输入数据的表示，从而构建更
PDF7 months ago
GFS：基于图的特征合成用于关系数据库预测
关系数据库中缺乏专门为多表设置设计的机器学习模型，因此提出了一种名为 GFS 的图形特征合成框架，它以异质图的形式构建关系数据库，通过充分利用单表模型的归纳偏差，成功捕捉了每个表中的错综复杂关系，并消除了手动特征工程的需求，实验证明 GFS
PDF7 months ago
符号回归作为机器学习和深度学习的回归任务特征工程方法
本研究提出将符号回归作为特征工程步骤与机器学习模型结合，通过在合成和真实物理相关数据集上进行大量实验，实证了 SR 派生特征的融合显著提高了机器学习和深度学习回归模型的预测能力，合成数据集 RMSE 有 34-86% 的改进，真实数据集有
PDF8 months ago
个性化人类移动性预测
使用个性化模型和支持向量回归（Support Vector Regression）方法，这篇研究论文主要介绍了一种用于人类迁移预测的数据分析竞赛，实现了相对准确的结果，并在计算成本上节省了资源。
PDF9 months ago
改进的 VMD 和 Stacked Informer 的增强型股票市场预测的自适应混合模型
本论文提出了一种创新的自适应混合模型，利用了改进的变分模态分解（VMD）、特征工程（FE）和集成了自适应损失函数的堆叠式 Informer 的能力，该模型被命名为 VMGCformer。通过严格的实验，该模型在处理复杂的股票市场数据动态和波
PDF9 months ago
无线频谱数据的深度特征学习
通过使用卷积神经网络，我们在无监督学习的过程中提出了一种基于特征工程的模型，该模型能够自动地学习适用于无线传输聚类的特征表示方法。相对于基准的主成分分析（PCA），我们的模型自动学习由比基准少 99.3% 的组成部分组成的输入数据的降维表示
PDFa year ago
TimeTuner：时间序列预测中的时间表示的诊断及对立证明
该论文提出了一种名为 TimeTuner 的新型可视化分析框架，用于帮助分析人员理解模型行为与时间序列表示的局部相关性、稳定性和粒度之间的关联，并通过反事实解释、多种协调视图和交互方式来改进自动特征学习的限制，展示了其在实际时间序列预测中的
PDFa year ago
基于早期老化数据预测不同使用条件下电池寿命
提出一种基于先期容量电压特征数据的电池寿命预测方法，在广泛不同充 / 放电速率和深度下，使用不超过 15% 的数据即可实现 15.1% 的平均绝对百分比误差，通过建立贝叶斯回归模型还可实现对超额样本的预测，文章同时提供了一个电池老化过程公共
PDFa year ago
电力负荷预测基准和自定义软件包
本研究提供了一个全面的负载预测档案，其中包括为有助于预测模型更好地模拟负载数据而进行的负载特定特征工程。此外，我们还提供了一种根据预测误差自定义损失函数的方法，将其整合到我们的预测框架中。根据此，我们对不同级别的负载数据进行了广泛的实验
PDFa year ago
自然语言处理方法实现恶意软件分类
通过混合架构，将概率模型中的隐藏状态序列提取为特征向量，从而在恶意软件检测中取得了比其他流行技术更好的结果。
PDFa year ago
基于季节分解的电力中期负荷预测错误校正模型
本文提出了一种基于误差校正的电力负荷中期预测模型（ECLF），该模型通过时间序列分析、特征工程和堆叠集成等方法，将原始负荷数据分解为三个组件进行单独预测，并在极限梯度提升算法的第二步预测中利用预测结果作为新特征，实现了更加准确和稳定的预测效
PDFa year ago
使用同任务 EEG-fMRI 数据融合和双模型的数据驱动内部语音解码性能
本文利用融合功能磁共振成像 (fMRI) 和脑电图 (EEG) 的方法对内部言语进行了解码并探究了其性能优势。作者对两种不同的双模融合方法进行了研究，包括从单模 fMRI 和 EEG 机器学习模型的概率向量输出和特征工程的数据融合。作者通过
PDFa year ago
托管的地理分布式特征存储：架构和系统设计
为了解决机器学习中特征工程管道独立维护导致的重复和冲突问题，本文介绍了一个管理型特征存储的核心架构组件和设计经验.
PDFa year ago
GPT 用于半自动化数据科学：介绍 CAAFE 进行上下文感知的自动特征工程
通过利用大型语言模型，提出了 Context-Aware Automated Feature Engineering（CAAFE）方法，该方法可以在表格数据集中生成语义相关的功能。通过将此方法应用于 14 个数据集，可以提高 11 个数据集
PDFa year ago
深度学习在质数可除性方面的应用
本研究测试多个深度学习架构和特征工程方法，评估了使用有限整数（< 2^32）除以小质数的情况，提出一种基于傅里叶级数基向量的闭合解决方案，并且证明了自动机器学习（AutoML）流程需要适当的特征工程来处理该问题。同时，我们的结果表明，即使在
PDFa year ago
DoE2Vec: 基于深度学习的特征用于探索性地形分析
DoE2Vec 是一种基于变分自动编码器（VAE）的方法，用于学习设计实验（DoE）的优化景观特征，不需要任何功能工程，可适用于高维搜索空间，并可显着提高分类任务的性能。
PDFa year ago
利用高维度的物理 - 数字数据流来诊断智能电网故障
探讨了特征工程对于解决物理系统数据诊断过程中存在的数据质量，噪声干扰，决策模型不精确等挑战的影响作用；论文使用特征筛选、降维和决策模型等方法，在 118 个节点的电力系统上进行了数据驱动的故障诊断，同时比较了多种高级技术在该领域的应用。实验
PDFa year ago
Text2shape 深度检索模型：在基于案例推理的机械部件重新设计情境下生成初始案例
为支持机械部件重新设计的初步案例检索，本文提出了一种基于文本描述的机械部件形状检索模型 ——text2shape 深度检索模型，其中应用特征工程来确定目标机械部件的关键结构特征，并建立了一个文本描述和对应三维形状的训练集，最终测试表明模型的
PDFa year ago
自动术语提取的最新进展：一项调查
本文就基于深度学习和基于 Transformer 模型的 ATE 系统进行了综述，并对比了之前基于特征工程和非深度学习算法的 ATE 系统。
PDFa year ago