mean absolute error | BriefGPT

关键词mean absolute error

搜索结果 - 16

使用分治策略和轻量级卷积神经网络进行手骨年龄预测
通过使用深度神经网络模型对手部放射线的小区域进行预处理和估计骨龄，提高了定骨年龄估算的准确性，而不增加所需计算资源，测试集平均绝对误差为 3.90 个月（0-20 岁范围内）和 3.84 个月（1-18 岁范围内）。
PDFa month ago
生成可取消化生物特征模板的布尔 XOR 反函数方法
生成可取消生物特征模板，采用逆布尔异或技术，在三种不同方法中，以视觉秘密共享方案为基础，使用一个秘密图像和 n-1 个覆盖图像。通过在公开可获得的 ORL 人脸数据库和 IIT 德里虹膜数据库上的实验证明，提出的方法在相关系数、均方差、均方
PDF2 months ago
使用无监督机器学习进行 TDoA 超宽带室内定位的误差修正
基于 Ultra-wideband（UWB）技术的室内定位系统由于其提供厘米级定位精度的能力而受到认可。然而，这些系统经常面临密集多径衰落导致的定位误差挑战。为了解决这个问题，在本信中我们提出了一种利用深度嵌入聚类（DEC）的无监督锚节点选
PDF3 months ago
面向重参数化模型的准确后训练量化
通过使用平均绝对误差作为评估指标，我们提出了一种新的框架 RepAPQ，它有效地保持了量化再参数化模型的准确性，并通过量化保护再参数化和跨块校准的组件实现了更好的模型性能。实验证明，我们的方法在各种模型和任务上都优于以前的方法，8 位 PT
PDF4 months ago
FGENet: 拥挤人群数量的细粒度提取网络
提出了一种称为 Fine-Grained Extraction Network（FGENet）的端到端模型，直接学习表示个体精确定位的原始坐标，通过引入 Fine-Grained Feature Pyramid（FGFP）来融合特征图并使用
PDF6 months ago
AAAI基于图传播的无分类器分子性质定向策略
本研究旨在通过无监督学习直接注入条件信息，提出一种无分类器指导的 DiGress （FreeGress）模型，用于加速新药和材料开发过程中的候选筛选，实验证明该模型在目标性质预测任务上比 DiGress 模型在 QM9 和 ZINC-250
PDF6 months ago
基于输运方程的物理信息神经网络预测构型材料的屈服强度
研究探讨了物理信息神经网络（PINN）模型在解决基于输运方程的偏微分方程（PDEs）方面的应用，主要目的是分析在 PINN 模型中不同激活函数对其预测性能的影响，特别是均方误差（MSE）和平均绝对误差（MAE）的评估。研究使用的数据集包含与
PDFa year ago
新的回归算法的表现评估和比较
比较新提出的回归算法与传统机器学习算法（决策树、随机森林、KNN 和 XG Boost）的性能，使用平均绝对误差作为性能度量标准在各种数据集上进行深入比较，展示了新的算法具有的潜力和鲁棒性。
PDFa year ago
ICML评估生存模型的一种有效有意义的方法
本文探讨了一些方法来评估生存数据集的 MAE，并介绍了一个生成逼真半合成生存数据集来帮助评估性能的新方法。我们的发现表明，我们提出的伪观察值方法可以准确地根据其性能排名模型，并且通常与真实的 MAE 接近 - 特别是优于几种替代方法。
PDFa year ago
在跨数据集远程光电容积脉搏图方面提升泛化能力
研究表明，当前基于深度学习的 Remote Photoplethysmography (rPPG) 模型倾向于学习训练数据集中的脉搏波特征，作者提出的一种扩充训练数据集范围和变化性的方法成功缓解了这种倾向，进一步提高了模型的泛化能力。
PDFa year ago
ICCV一种用于自动胎儿脑部生物测量的双重对抗校准框架
本文提出一种新颖的自动胎儿脑生物测量方法，通过高端超声图像建立低成本超声图像的生物测量解决方案，利用双重对抗校准框架进行非监督领域自适应方法，从而达到对低成本超声设备图像进行足月头围和颞上径估计的目的。
PDF3 years ago
EMNLP多语言亚马逊评论语料库
该研究介绍了一个包含英文、日文、德语、法语、西班牙语和中文的跨语言 Amazon 评论语料库 (MARC)，并提出了利用多语言 BERT 模型进行文本分类和零样本跨语言迁移学习的方法。研究使用平均绝对误差 (MAE) 代替分类准确率进行了实
PDF4 years ago
基于深度神经网络的向量到向量回归问题的平均绝对误差
本文探究均方误差作为深度神经网络回归模型的损失函数的性质，提出了均方误差的新特性使其成为更适合于 DNN 的回归损失函数，并阐述了 MAE 作为拉普拉斯分布错误的模型的优越性以及实现 MAE 比 MSE 更好地拟合深度神经网络回归的性能优势
PDF4 years ago
ICLR噪声鲁棒性学习的 IMAE: 平均绝对误差不能平等地对待样本，梯度的大小方差很重要
本文探究了基于经验损失函数中内置的例子加权对抗不正常训练数据的鲁棒性深度学习，重点研究了与对数相关的梯度幅度以及未进行彻底研究的角度。研究发现，均方误差并没有平等地处理例子，梯度幅度的方差很重要，提出了一种称为改进均方误差（IMAE）的解决
PDF5 years ago
ECCV迭代式群体计数
本文提出了基于卷积神经网络的密度估计方法，用于解决图像人群计数的难题。通过两个分支 CNN 架构预测高分辨率密度图，以及提出了多阶段扩展方法，并在三个数据集上实验验证表明，该方法可以达到最低的平均绝对误差。
PDF6 years ago
无噪声标签训练深度神经网络的广义交叉熵损失
本文提出一些理论上支持的噪声稳健损失函数，包括平均绝对误差以及交叉熵损失函数，并已在 CIFAR-10，CIFAR-100 与 FASHION-MNIST 数据集及人工产生的噪声标签上进行了实验，结果表明这些损失函数能够有效应对各种噪声标签
PDF6 years ago