minority classes | BriefGPT

关键词minority classes

搜索结果 - 7

文本嫁接：用于文本分类中少数类的近分布弱监督
综合了弱监督文本分类、伪标签、LLM 以及少数类数据合成的优势，提出了一种名为文本嫁接的新框架，旨在获得少数类的干净且接近分布的弱监督，通过使用基于 LLM 的 logits 从原始语料库中挖掘掩码模板，并通过先进的 LLM 填充模板来合成
PDF19 days ago
DIRECT: 不平衡和标签噪音下的深度主动学习
通过一种新颖的算法 DIRECT，该论文提出了解决机器学习中不平衡问题的有效技术，通过收集更平衡和信息丰富的标记示例来进行注释，相较于现有算法，该算法节省了超过 15% 的注释预算。
PDF7 months ago
基于异质性的图神经网络用于不平衡分类
在这篇论文中，我们介绍了一种独特的方法，通过考虑图异质性来解决图中的不平衡分类问题。我们研究了类别不平衡和图异质性之间的错综复杂关系，发现少数类别不仅样本稀缺，而且表现出较低的同质性水平，这导致错误信息在相邻节点之间传播。基于这一洞察，我们
PDF9 months ago
领域泛化语义分割的自适应风格调制
通过引入能够调节图像风格强度的模块 $ASH_{+}$，并且提出了一种平衡元素和通道的图像风格化的参数，本研究旨在解决对于语义分割任务领域泛化的问题，并在公共基准语义分割数据集上对模型进行了测试，结果表明该方法与最先进的方法具有相似的竞争力
PDFa year ago
多类别不平衡训练的深度强化学习
针对日益复杂和不平衡的数据集，提出了一种基于强化学习的不平衡分类框架，并将其扩展为多类设置。在真实的临床案例研究中，实验表明该框架优于现有的不平衡学习方法，可以实现更公平和平衡的分类，同时也显着提高少数类别的预测准确性。
PDF2 years ago
对好事者的对抗样本：对抗样本引导下的不平衡学习
本文研究了对抗样本在不平衡学习中的应用，在训练中引入 Guiding Adversarial Examples (GAEs) 方法，通过调整有偏的决策边界，将该方法应用在少数派类别样本的分类任务中，证明其能有效提高少数派类别样本的准确率，而
PDF2 years ago
ACL衡量有所侧重：谣言立场分类的案例
本文主要探讨了针对不平衡数据的谣言立场分类任务评估指标的问题，并提出了新的评估指标，更能准确地反映对信息的支持和否定两种最具信息量的少数派类别。
PDF4 years ago