misclassifications | BriefGPT

关键词misclassifications

搜索结果 - 8

OpenIncrement：一种统一的开放集识别和深度增量学习框架
本文介绍了一种深度类增量学习框架，与开放集识别相结合，通过精炼增量学习特征来适应基于距离的开放集识别。实验结果验证了我们的方法优于现有的增量学习技术，并在开放集识别方面表现出比基准方法更优异的性能。
PDF9 months ago
集成不确定性度量以提高黑盒分类器的安全性
SPROUT 是一种安全封装方法，通过对黑匣子分类器的输入和输出进行不确定性度量，检测分类错误并阻止其输出对整个系统的影响。SPROUT 能够识别监督分类器中的大部分分类错误，并且在特定情况下能够检测出所有错误分类。
PDF10 months ago
剪枝与否：一种基于混沌因果性的原则性稠密神经网络剪枝方法
通过引入混乱学习（李亚普诺夫指数）以及利用因果关系来识别造成错误分类的因果权重，我们将网络修剪问题公式化为一个最小化错误分类的优化问题。这样修剪后的网络保持原有性能并保留特征解释能力。
PDF10 months ago
基于几何学学习的 Transformer 网络用于分割误差估计
我们提出了一种基于图神经网络的转换器方法来识别和测量分割图中的错误区域，并通过遥测得出高层结构内的人类耳蜗错误率为 0.042，大约 79.53% 的准确性。
PDFa year ago
ECCV图解图像分类器
CartoonX 是一种新颖的模型无关的解释方法，针对图像分类器，基于率失真解释（RDE）框架，它通过要求其解释在小波域中是稀疏的来提取图像的相关平滑部分，尤其适用于分类错误问题，并且实现更低的失真和更少的系数。
PDF3 years ago
ACL使用 Transformer 模型进行大规模自然语言理解系统的错误检测
本研究提出了使用 Transformer 模型检测大规模会话助手中的领域分类错误，采用 RoBERTa 模型的话语编码结合生产系统生成的 N 个最佳假设。在使用少量人工标注的语音的多任务设置下，我们的方法检测一个占大型会话 AI 系统流量的
PDF3 years ago
ICML通过内省检测神经网络中的对抗样本和其他分类错误
通过在预训练的神经网络的 logits 上再训练一个简单的 3 层神经网络，我们能够竞争性地检测出分类错误，从而解决现代神经网络无法提供可靠置信值的问题（也就是所谓的敌对样本问题和过度自信问题）的局限性。
PDF5 years ago
ICML浅 - 深网络：理解和缓解网络过度思考
本研究发现深度神经网络中的过度思考现象及其带来的计算浪费和错误分类问题，提出了增加内部分类器的 Shallow-Deep Network 对于内部分类的可见性，同时通过引入基于置信度的早期决策来减少计算浪费并避免了 50％的自然输入误分类问
PDF6 years ago