imbalanced datasets | BriefGPT

关键词imbalanced datasets

搜索结果 - 44

针对长尾数据集的神经架构搜索的异构学习率调度
本文旨在解决将神经架构搜索（NAS）算法，特别是可微架构搜索（DARTS），应用于类别分布高度不平衡的长尾数据集的挑战。我们观察到，传统的重新采样和重新加权技术，在与 DARTS 结合时会导致性能下降。为了缓解这一问题，我们提出了一种新颖的
PDF23 days ago
针对不平衡数据的无数据生成式重放增量学习
该论文介绍了一种名为 Data-Free Generative Replay (DFGR) 的新方法，其用于实现无数据训练生成器并解决图像分类中的数据不平衡问题，在持续学习的过程中取得了显著的结果。
PDFa month ago
加强物联网环境中的网络入侵检测：自监督学习和少样本学习
该研究论文介绍了一个新颖的入侵检测方法，结合自监督学习、少样本学习和随机森林，通过从有限和不平衡的数据中学习并增强检测能力，优于现有方法，在物联网网络中检测和分类潜在的恶意软件和各种攻击，如 MaleVis 和 WSN-DS 数据集的准确率
PDFa month ago
数据增强综述
数据增强是一系列通过操作现有数据样本生成高质量人工数据的技术，利用数据增强技术可以显著提高人工智能模型在涉及稀缺或不平衡数据集的任务中的适用性，从而大大提高模型的泛化能力。本文提出了一个更具启发性的分类法，该分类法涵盖了不同常见数据形式的数
PDF2 months ago
不平衡分类中平衡方法的拉细幕效应实验研究
通过 Rashomon 效应研究平衡方法对预测多样性的影响，发现平衡方法会增加预测多样性并产生不同结果。为了在建模过程中负责任地监控性能和预测多样性之间的权衡，我们提出使用扩展性能增益图进行模型选择。
PDF3 months ago
通过最优输运实现任意尺寸约束的图割
通过提出一种基于正则化 Gromov-Wasserstein 问题的加速近端梯度下降算法，我们解决了图切割问题，并实现了稀疏解，相较于经典谱聚类算法，额外的复杂度仅为 O (log (n))，但效率更高。
PDF5 months ago
扩散模型是否能学习语义上有意义且高效的表征？
扩散模型通过生成具有合适阴影的不寻常的图像，如宇航员在月球上骑马，显示了具有组合泛化能力，但模型是如何做到的？我们在条件 DDPM 上进行了实验，学习生成以指定的 x 和 y 位置为中心的 2D 球形高斯隆起。我们的结果表明，有意义的语义潜
PDF5 months ago
透过语法进化和数据增强实现可解释的乳腺癌诊断方案
医学影像诊断日益依赖机器学习模型，然而严重不平衡的数据集和有限的可解释性一直是困扰。本文通过展示一种相对新的合成数据生成技术 STEM，演示了如何使用它来训练由语法进化（GE）产生的具有内在可解释性的模型。我们在两个数据集上进行了测试，并将
PDF5 months ago
CCNETS: 基于大脑启发的新型方法，用于增强不平衡数据集中的模式识别
CCNETS 是一种基于生成模型的分类器，针对模式识别中不平衡数据集的数据生成挑战，通过模拟大脑信息处理的构造，有效地生成高质量数据集并提高分类性能。在应用于 “欺诈数据集” 时，CCNETS 表现出卓越的分类能力，通过 F1 分数达到 0
PDF6 months ago
利用共演变时间序列预测家庭设备运行中的罕见事件
我们提出了一种利用共同发展时序预测罕见事件的方法，通过加权自回归模型来利用数据的时间行为以提高预测能力，并通过解决不平衡数据集问题来建立约束条件从而改进性能。通过对合成和真实数据集的评估，证实我们的方法优于当前预测家庭设备故障方法的最新技术
PDF7 months ago
损伤生成对抗网络：一种用于不平衡数据的生成模型
本研究探讨了生成对抗网络（GANs）在不平衡数据集中的应用，旨在增强 GANs 在此类数据集中的性能和稳定性。通过引入一种称为 Damage GAN 的新型网络架构，该架构建立在 ContraD GAN 框架之上，无缝融合了 GANs 和对
PDF7 months ago
时间序列中的通用事件检测
我们的研究论文介绍了一种监督深度学习方法，用于多变量时间序列数据中的事件检测，采用回归而不是二分类。我们通过建立数学模型证明了我们的方法是普适的，能够在时间序列上满足任意精度的任何类型的事件检测，特别适用于罕见事件和不平衡数据集。
PDF7 months ago
MMSTEM 平衡法：使用 SMOTE、最近邻编辑和混合方法解决数据不平衡问题的新方法
使用 Mixup 增强技术和 STEM 方法解决医学影像中不平衡数据问题，研究在乳腺癌问题上的应用效果，取得了较高的 AUC 值，并在机器学习分类器集成中展现了潜在潜力。
PDF8 months ago
MCRAGE: 用于公平性的合成医疗数据
通过使用生成模型合成样本来增加不平衡的数据集，从而在以大部分样本为基础的类别上实现更平衡的分布，以训练一个无偏的机器学习模型。
PDF8 months ago
基于高斯先验和非线性异常分数的对抗异常检测
结合自动编码器和生成对抗网络的方法，提出了一种用于医学领域异常检测的新模型 beta-VAEGAN。通过训练核支持向量机，并考虑非线性关系，改进了异常检测性能，并提出了一种新的异常得分组成元素。相比现有最先进方法，在 MITBIH 心臟節律
PDF8 months ago
ICML小型不平衡文本数据情感检测的数据增强
情感识别在文本中，识别诸如喜悦或愤怒之类的情感，是 NLP 中的一个具有挑战性的问题，其中一个挑战是缺乏已注释有情感的可用数据集。本研究研究了数据增强技术对小规模不平衡数据集的影响，并且证实使用增强数据训练分类器模型可以显著改进情感识别性能
PDF8 months ago
EMNLP语义混淆矫正下的连续事件提取
我们提出了一种用于解决连续事件提取中语义混淆问题的新颖模型，通过为每个句子标记伪标签来缓解语义混淆，并在当前和之前的模型之间传递关键知识以提高对事件类型的理解，此外还通过利用其他关联类型来鼓励模型集中关注长尾事件类型的语义，实验结果表明我们
PDF8 months ago
成本敏感的支持向量机概率预测
提供了一种生成支持向量机的概率输出的新方法，利用集成方法和自举估计，能够处理不平衡数据集，并在广泛的数据集测试中展现了优势。
PDF9 months ago
利用半监督图学习增强糖尿病视网膜病变检测
糖尿病性视网膜病变（DR）是全球致盲的重要原因，早期检测和有效治疗的迫切需求引起了关注。研究中提出了一种针对 DR 检测的新型半监督图学习（SSGL）算法，充分利用标记和未标记数据之间的关系以提高准确性。该研究通过研究数据增强和预处理技术来
PDF10 months ago
应对非均衡分类中的多元少数群体
通过迭代数据混合的马尔科夫决策过程（MDP）来解决不平衡数据集的问题，并通过使用数据扩充策略训练一个数据扩充策略并设计一种奖励信号，探索分类器的不确定性并鼓励性能提升，不考虑分类器的收敛，从而展示了解决具有不同类别少数样本的不平衡数据集的潜
PDF10 months ago