关键词image and text classification
搜索结果 - 5
- 元群体中的威尔逊－考温模型学习
通过将稳定吸引子引入元群体模型的动力学中，使其成为一种能够实现高图像和文本分类准确度的学习算法，并在 MNIST、Fashion MNIST 与 CIFAR-10、TF-FLOWERS、IMDB 等数据集上进行了验证，展示出高分类准确度，从 - 使用投影范数预测分布外误差
提出一种名为 “Projection Norm” 的度量标准来预测模型在无标签真实标签的情况下对 ODD 数据的性能，这种方法使用伪标签来训练新的模型并与所谓的 输入数据分布模型进行比较以进行预测。该方法在图像和文本分类任务以及不同网络架构 - ICMLKNAS: 绿色神经架构搜索
本文提出了一种环保的神经结构搜索方法，使用梯度代替传统的下游训练来评估结构，探索了梯度核心假设并提出了基于该假设的 KNAS 方法，在图像和文本分类任务中实现了与传统方法相当的结果，但搜索速度更快且具有环保意识。
- 应对分布偏移鲁棒性的有效基线
本研究通过在模型输入中添加专门的弃权类别，并在未经筛选的数据集中训练深度神经网络，建立有效分类器以识别无法归类的数据，并在图像和文本分类等领域上取得了良好表现。
- ICLR深度神经网络基于梯度的归因方法的进一步理解
本研究旨在对四种基于梯度的属性方法进行分析，并在图像和文本分类领域的多个数据集上测试这些方法，提出了一种新的评估指标 Sensitivity-n，并在改进一些方法后建立了一个统一框架，使这些方法能够进行直接比较和更容易实现。