BriefGPT.xyz
大模型
Ask
alpha
关键词
margin distribution
搜索结果 - 6
ICLR
选择性分类可能放大群组间的差异
本文研究了分类模型的选择性分类方法，发现在存在虚假相关性时，选择性分类可以提高平均准确度，但会放大不同群体之间的准确度差异。我们的分析表明，对于对称边缘分布，选择性分类是通过完全覆盖（即没有犹豫）下的准确度和分布是否满足左对数凹性质来确定改
→
PDF
4 years ago
ICLR
使用边界分布预测深度网络中的泛化差距
该论文研究发现，交叉熵等损失函数不能很好地预测深度神经网络的泛化能力，作者提出了一种基于边缘分布的测量方法，它可以被应用在任何架构的前馈深度网络上，并指出这个方法可能会提示新的训练损失函数的设计来实现更好的泛化。
PDF
6 years ago
最优边际分布机器
提出了一种名为 ODM 的新方法，旨在通过优化边际分布来实现更好的普适性能，是一种可以应用在 SVM 的任何地方的一般学习方法。该方法利用边际平均值和方差来表征边际分布，该方法的优越性在理论和实践中均得到验证。
PDF
8 years ago
KDD
大间距分布式机器
本文介绍了基于边缘分布优化的大边缘分布机（Large margin Distribution Machine，LDM）学习算法，提高了支持向量机算法的泛化性能，该方法通过边缘分布的一阶和二阶统计量，即边缘均值和方差来表征模型，且其在理论和实
→
PDF
11 years ago
关于增强学习中误差界解释的疑问
本文提出了第 $k$ 阶边界，并将其与最小边界和 Emargin 边界等之前的作品进行了比较，并根据先前的经验 Bernstein 边界对其进行了改进，提出了一种基于边缘的解释，并通过证明一种新的泛化误差界来捍卫这个解释，并且该界考虑了与
→
PDF
14 years ago
提升算法的双重表述
研究使用新视角的提升算法，证明 AdaBoost、LogitBoost 和软边界 LPBoost 的拉格朗日对偶问题都是熵最大化问题，并通过研究这些算法的对偶问题，表明了提升算法的成功可以从最大化边缘并同时控制边缘方差的角度来理解。通过列生
→
PDF
15 years ago
Prev
Next