group testing | BriefGPT - AI 论文速递

关键词group testing

搜索结果 - 10

学习理解：通过 Mobius 变换识别交互
这篇研究论文聚焦于机器学习中的一个核心问题，即寻找可解释的函数表示方法。研究工作以 Mobius 变换作为有用工具，通过变换的系数对应于输入变量集合的唯一重要性评分。此算法在小规模交互输入条件下可以准确地恢复 Mobius 变换，同时发现了
PDF5 months ago
高维贝叶斯优化与分组测试
我们提出了一种称为 Group Testing Bayesian Optimization (GTBO) 的算法，通过使用组合测试的方法来识别和利用活跃变量，从而优化高维问题的黑盒函数。通过利用坐标轴对齐子空间假设，GTBO 在多个合成和真
PDF9 months ago
同步群检测
引入了一种变种的 Group Testing 问题，通过多种类型的物品组合才能得出阳性测试结果，提出了各种不同的算法以可靠地识别所有的半缺陷集合，并且在减少测试次数方面表现优秀，是目前基于解决更一般问题的基础结果的重要改进。
PDF10 months ago
关于在群检测中检测某些缺陷品的研究
本研究探讨了使用不同的群组检测算法来识别不同数量的不良元素的问题，提出了自适应和非自适应算法的上下界，并讨论了是否有先验知识或估计确切数量的情况下的检测数量的限制。
PDFa year ago
MM（多任务）梯度提升树的可扩展特征选择
本文提出了一种可伸缩的基于前向特征选择的梯度提升决策树方法，通过一种新颖的群体测试过程，在高维度下工作良好，并具有较好的理论性能和计算保证，可用于搜索和推荐中的排名和相关模型的构建。同时，该方法扩展到多任务设置，允许从多个任务中选择通用特征
PDF3 years ago
MM组合检测：信息论视角
该论文从信息论的角度总结了群检测问题的最新进展，包括有效的算法、实用的存储和计算需求，解码方法的可达界限以及算法独立的反向界限。作者评估了理论保证的因素，并确定了现有算法是最优或接近最优的区域，同时也确定了可以改进的区域。此外，作者概述了标
PDF5 years ago
噪声自适应群体测试：界限与算法
本研究提出了一些信息理论上的可行性和对话界限，并为基于计算效率的变体提供了略微较弱的可行性界限，为噪声自适应设置提供了可能的最优算法，解决了组测试问题的有关缺陷项和噪声模型的问题。
PDF6 years ago
基于信息论的概率模型支持恢复限制
该论文采用阈值技术中的概率模型，探讨了对于一组观测数据与数据向量之间的关系的支持恢复问题。该论文提出了通用的可行性和对偶性边界，为线性、1 位和组测试模型提供了特定的可行性和对偶性边界。
PDF9 years ago
近似最优的自适应压缩感知
本文提出了一种基于自适应感知和分组测试的简单的稀疏信号恢复算法 —— 压缩自适应感知和搜索（CASS）算法，在最低信噪比水平下成功率接近最优，并比以前的自适应压缩感知工作有所提高。相比基于随机非自适应设计矩阵的传统压缩感知，该算法只需要 k
PDF11 years ago
布尔压缩感知与有噪声的群组测试
本论文提出了一种新的信息论视角用于组测问题的建模，并且基于随机编码和最大似然检测器分析导出了总测试次数的单字母特征公式，并使用 Bernoulli 噪声模型和混水效应考虑了多种情况并得到了对应的较为紧凑的渐进界，同时可以验证现有无噪声情况下
PDF15 years ago