prediction performance | BriefGPT

关键词prediction performance

搜索结果 - 51

分类的成对差异学习
该论文扩展了对比差异学习 (PDL) 在分类任务中的应用，提出了一种元学习技术，通过解决原始训练数据的成对版本上的适当定义的（二元）分类问题，来诱导 PDL 分类器。在大规模的实证研究中，分析了 PDL 分类器的性能，并发现其在预测性能方面
PDF6 days ago
缺失偏移下的稳健预测
预测表现受到缺失协变量的影响，处理缺失数据的方法选择会极大地影响模型性能。研究发现，具有信息性缺失值的模型可以实现最佳的预测性能，但实际部署后缺失值产生的原因可能会发生变化，此时基于缺失的条件概率在目标数据中会有所不同。因此，如果缺失值的产
PDF10 days ago
用平滑 l0 正则化的熵误差函数的 SGD 方法用于神经网络
基于熵误差函数的神经网络收敛速度慢，容易被困在局部最小值或错误的饱和问题中。为了解决这个问题，我们提出了一种新的带有平滑 l0 正则化的熵函数，用于前馈神经网络，并通过实证评估表明该算法能够大幅提高神经网络的预测性能，并且相比于基线模型，我
PDFa month ago
改进转换器使用忠实位置编码
我们提出了一种基于数学基础的新位置编码方法，保证了不丢失输入序列的位置顺序信息，并且系统地改善了时间序列分类任务的预测性能。
PDF2 months ago
大型語言模型增強的機器學習分類器
利用预训练的大型语言模型 (LLM) 对经典的监督机器学习方法进行增强，以应对分类问题，并提出了几种将 LLM 集成到经典机器学习估计器中的方法，从而进一步提高预测性能。通过标准的有监督学习二分类任务和数据分布发生变化的迁移学习任务，对所提
PDF2 months ago
XTSFormer：跨时空尺度变换器用于不规则时间事件预测
事件预测是基于历史事件序列预测未来事件的时间和类型，本论文提出了针对非规则时间事件数据的跨时空尺度变换器（XTSFormer），包括新颖的基于特征的周期感知时间位置编码（FCPE）和分层多尺度时间注意机制。在多个真实世界数据集上的广泛实验表
PDF5 months ago
多数派还是少数派：用于命名实体识别的数据不平衡学习方法
通过提出 MoM 学习方法来解决数据不均衡问题，在命名实体识别任务中改善少数类别的预测性能，而不损失多数类别的性能，同时在多种语言、模型和框架中都取得了一致的性能提升。
PDF5 months ago
一种结合迁移学习和物理准则建模的混合方法：提高工业废水处理厂中溶解氧浓度预测
使用传递学习方法，将来自开源模拟模型和另一废水处理厂的知识转移到工业废水处理厂，从而提高预测性能。测试和验证性能分别提高了 27% 和 59%。
PDF5 months ago
CLDR: 自然语言监督下的对比学习药物响应模型
利用基于深度学习的药物响应预测方法可以加快药物研发过程和降低研发成本。通过提出一种基于对比学习的自然语言监督框架，将回归标签转换为文本，并将其与传统的图形和序列模态进行比较，可以在药物响应预测方面取得卓越的预测性能，并能有效约束样本在表示空
PDF7 months ago
ViP-Mixer：视频预测的卷积混合器
本文提出了一种名为 ViP-Mixer 的卷积混合器，用于视频预测，模拟了自编码器潜在空间中的时空演变，并通过在帧、通道和位置三个层次交错特征混合，取得了在包括合成和真实场景的三个基准视频数据集上的新的预测性能的最新成果。
PDF7 months ago
更多样本还是更多提示输入？探索用于 LLM 少样本提示工程的有效上下文抽样
本文介绍了一种低资源的 LLM 提示工程技术，名为 In-Context Sampling（ICS），通过优化构建多个 ICL 提示输入以获得最有信心的预测结果；在两个 SOTA LLMs（FlanT5-XL 和 Mistral-7B）以及
PDF8 months ago
通过学习分割事件时间空间来改进事件时间预测
最近发展的生存分析方法通过在每个预先确定的（离散）时间间隔内预测事件发生的概率来改进现有方法。本研究提出了一种从数据中学习划分事件时间间隔的方法，并在两个模拟数据集和三个真实世界观察数据集上展示了改进的预测性能。我们认为这种方法通过指导最适
PDF8 months ago
面向计数数据的专业深度神经网络与高基数分类特征
提出一种新的层级似然学习框架，将伽马随机效应引入 Poisson 深度神经网络，以捕捉输入变量的非线性效应和主题特定的聚类效应，从而提高预测性能。该方法通过优化单一目标函数同时获得固定参数的最大似然估计值和随机效应的最佳无偏预测器，为处理包
PDF9 months ago
深入的高斯过程的非稳态卷积核的统一视角
高斯过程常用于数据的随机函数逼近和不确定性量化，在机器学习中它们表现出优秀的预测能力，尤其在数据稀缺场景下，但核函数作为高斯过程的重要构建模块，通常需要进行复杂的定制，我们通过研究代表性数据集中多种核函数的表现、性质和性能，提出了一种融合现
PDF10 months ago
随机森林中超参数对变量选择的影响
随机森林 (RF) 在高维物质研究中的预测建模和变量选择方面具有很好的适用性。超参数在 RF 算法对预测性能和变量重要性估计的影响已被研究，然而，超参数对基于 RF 的变量选择的影响尚不清楚。本文使用理论分布和实验基因表达数据进行两个模拟研
PDF10 months ago
互动多兴趣流程模式发现
基于多兴趣驱动的交互式框架，该研究旨在发现与用户感兴趣的模式。通过迭代和交互的方法，将专家知识纳入发现过程，从而得到与过程结果相关的有意义的模式，并且在自动设置中可与单个兴趣维度的模式相媲美或更好的预测性能。
PDF10 months ago
ICML预测稀疏流形变换
利用预测性稀疏流形变换（PSMT）框架，将输入序列表示为过完备字典上的稀疏系数，学习捕捉稀疏系数中的拓扑相似性和动态时序线性性的几何嵌入空间，并利用该框架预测未来的视觉刺激，以实现更好的预测性能。
PDF10 months ago
集成聚类数据训练的开放集人脸识别
本研究介绍了一种可扩展的开放式人脸识别方法，用于包含数百和数千个主题的图库。通过聚类和二元学习算法的集合，该方法可以准确识别感兴趣的个体，并有效处理陌生人脸。它选择最合适的图库主题，并使用集合方法来提高预测性能。通过在众所周知的 LFW 和
PDFa year ago
时域 DINO: 提升动作预测的自监督视频策略
研究论文介绍了一种新颖的自监督视频策略，通过 Temporal-DINO 方法在行动预测方面取得了显著改进，提高了背景骨干网络捕捉长期依赖性的能力。
PDFa year ago
半参数脆弱性模型的深度神经网络：H - 似然方法
本文提出了一种基于深度神经网络的伽马脆弱性模型 (DNN-FM)，通过最大化全新的 h-likelihood，提供固定参数的最大似然估计值和随机脆弱性的最佳无偏预测值。本文实验表明，所提出的方法提高了现有方法的预测性能。同时，实际数据分析表
PDFa year ago