- MM不同提升集成学习方法的简明差异分析在多囊卵巢综合症诊断预测中的应用
本研究探讨了使用各种 Boosting 集合方法来诊断多囊卵巢综合症,并使用各种性能指标来准确预测医疗问题是如何使用临床数据和机器学习技术解决的。
- 语义通信:原理与挑战
该文论述了语义通信的概念和理论框架,重点探讨了基于深度学习的语义通信系统设计及其性能度量,最终提出若干该领域的待解决问题。
- 关于数据集属性选择适当的重采样策略以解决类别不平衡问题
本文通过比较分析 40 个来自不同应用领域的数据集,研究了不平衡数据分类的各种因素对过采样和欠采样技术的有效性的影响,提出了基于性能度量的自动最优采样策略选择模型,可以在不同领域中选择最合适的方法。
- ICCV参数优化对于传统和基于学习的图像匹配方法的影响
通过对经典和基于学习的方法进行比较,本研究发现,在最佳性能下,SIFT 方法的匹配精度接近于 SuperGlue 的性能,并且能够在 1 像素和 2 像素阈值下胜过 SuperGlue 的 MMA;此外, DFH 方法只使用预训练的 VGG - MM自然语言生成输出错误的低报告率问题及解决方法
本篇论文观察到自然语言生成系统的各种错误存在严重的漏报问题,建议加强错误鉴定、分析和报告,以在研究社区中推动该领域系统的进一步改进。
- KDD神经拍卖:端到端学习用于电子商务广告拍卖的拍卖机制
该研究提出 Deep Neural Auctions (DNAs) 模型,通过设计可微分模型解决了拍卖机制中的离散排序操作问题,实现了端到端的拍卖学习,提高了基于电商广告的多种性能指标的效果。
- 自动驾驶奖励(误)设计
本文旨在解决奖励设计过程中常见误区的问题,提出了 8 项简单的方法来鉴别奖励函数的缺陷,并对强化学习中的自动驾驶任务的奖励函数进行了分析,揭示了奖励设计的普遍缺陷。最后,探讨了自适应奖励函数设计的可能方向。
- MM图像处理指标的普遍限制:一个图片故事
本研究通过国际图像分析专家团队的 Delphi 过程,指出算法验证中经常存在的性能度量的局限性,无法全面评估自动算法的有效性及透明性,特别是在医学图像分析方面,这一问题尤为突出。
- 可解释的深度学习:解释、可解释性、可信度及其他
本文综述了神经网络的解释工具和算法,提出了一种新的分类方法,介绍了解释结果的评估方法和信任度算法的应用,讨论了深度模型解释与鲁棒性和借鉴解释的联系,并介绍了一些开源库。
- 基于仿真的推断基准测试
通过建立合适的性能度量标准的基准,我们评估了一些最新的利用神经网络和经典近似贝叶斯计算方法的方法,发现性能度量的选择关键,即使是最先进的算法也有很大的改进空间,顺序估计提高了样本效率,神经网络方法通常表现更好,但没有均匀的最佳算法。
- 基于 Python 的流数据机器学习平台 River
River 是一个为动态数据流和不断学习提供多种先进学习方法、数据生成器 / 转换器、性能指标和评估器的机器学习库,是 Python 中流学习的两个最受欢迎的包 Creme 和 scikit-multiflow 合并的结果,意在成为处理流数 - ICCV深度学习中 JPEG 压缩缺陷的分析和缓解
本文研究了 JPEG 压缩对常见计算机视觉任务和数据集的影响,发现高度压缩会显著损害图像识别性能,进而尝试采取几种方法来缓解该损害,其中包括一种不需标签训练的基于伪影校正的新方法。
- 自动驾驶计算系统:现状和挑战
本研究论文综述了自动驾驶的最新计算系统、性能指标、核心技术和挑战,并旨在吸引计算机和汽车领域的关注和更多研究。
- ECCV重构和插值的代理损失的统一框架
UniLoss 是一个用于训练深度网络的统一框架,它可以自动生成代理损失,减少针对各种任务设计代理损失的人工程作。通过内插,UniLoss 可以为不可微分步骤生成可微分的近似值。使用 UniLoss,我们可以使用一个统一的框架优化不同的任务 - 从深度学习角度对人群中的行人轨迹进行预测
本文研究基于深度学习和数据驱动方法来预测人类轨迹和建模社交交互的性能,同时提出了大规模基于交互的 TrajNet++ 基准,并在真实和合成数据集上进行了实验,验证了文中方法的可靠性。
- 具有重叠分组的公平性
通过概率人群分析,我们重新审视标准的公平分类问题,并揭示出贝叶斯最优分类器。我们的方法统一了各种现有的组公平分类方法,并扩展到各种不可分解的多类性能度量和公平性度量。在各种真实数据集上,我们提出的方法在公平性与性能的权衡方面优于基线。
- CVPR利用物体共现关系完成场景的 Halluci-Net
本文提出了一种基于 `Halluci-Net` 的两阶段深度网络方法,它学习了场景中物体之间的共现关系,并利用这些关系产生了密集和完整的标签映射,该方法在 Cityscapes 数据集上获得了比两个基线方法更好的性能指标,包括 Fréche - 针对输入语句学习生成多个风格转移输出
该论文提出了一种基于一对多映射和潜变量分解的对文本风格转换任务的方法。实验结果表明,该方法在多个公共数据集上的效果明显优于其他文本风格转换方法。
- 卫星姿态估计挑战赛:数据集、竞赛设计与结果
该研究以卫星姿态估计数据集为基础,对基于单目视觉的方法进行分析,在对 48 名参赛者分析竞赛表现的基础上,探讨了卫星姿态估计问题的挑战和改进方向。
- AAAI开发鲁棒性神经网络的要求
神经网络分类器的质量不仅仅取决于验证准确率,而是需要结合其他性能指标,如可解释性、抗拒对抗性攻击和超出分布数据的过度自信。