关键词gaussian process classifier
搜索结果 - 4
- AAAI高斯过程分类的对抗性漏洞边界
本文提出了一种防止黑客攻击,保护机器学习分类器免受对抗性样本的影响的方法,通过一个对抗边界来限制潜在的对抗攻击产生误分类的能力并测试了其效果。
- 对抗环境下模型不确定性的局限性
研究机器学习模型中的对抗样本和贝叶斯神经网络的不确定性测量,并发现置信度和不确定性可能是无可疑的,即使输出是错误的;同时,对大多数任务,我们在影响不确定性和置信度方面发现微妙的差异。
- 基于特权噪音的高斯过程分类
利用高特权信息训练高斯过程分类器(GPC),提高分类精度,并证明高斯过程的潜在函数可以作为高特权信息的一种处理方式,通过调整 GPC Sigmoid 概率函数的斜率,提高 GPC + 方法的性能。
- 基于贝叶斯主动学习的分类和偏好学习
通过使用预测熵计算信息增益,我们提出了一种方法来优化高斯过程分类器的主动学习,同时也将其扩展到高斯过程偏好学习,相比其他主动学习和决策理论方法,我们的方法可以在相等或更低的计算复杂度下获得相同的实验性能。