- 衡量和基准大型语言模型生成有说服力语言的能力
我们研究了大型语言模型(LLMs)产生有说服力的文本的能力,通过构建一个新的数据集 Persuasive-Pairs,用于训练回归模型来预测文本对之间的说服力得分,并讨论了系统提示中不同 'personas' 对文本的影响。
- 融入曼巴进行语音增强的研究
研究了一种可扩展的状态空间模型(SSM)Mamba,用于语音增强(SE)任务,利用基于 Mamba 的回归模型来表征语音信号,并在 Mamba 上构建了一个 SE 系统,命名为 SEMamba,在基本和高级 SE 系统中集成了 Mamba - 基于物理的深度学习揭示挪威城市中升高的供暖需求增加空气污染
研究探讨了气候因素对空气质量的影响,通过对比回归模型与 K-Means 聚类、层次聚类和随机森林技术来分析。我们使用基于物理学的深度学习 (Physics-based Deep Learning, PBDL) 和长短期记忆 (Long Sh - 预验证岭回归是高维数据逻辑回归的高效替代方案
给定一篇研究论文,从中提取出代表其主要主题和研究领域的五个关键词,并用一句简明扼要的中文句子对论文进行总结。
- 一种可以利用先验信息加速收敛的 Robbins--Monro 序列
提出一种利用先验信息改善 Robbins-Monro 算法收敛速度的新方法,不需要使用潜在错误的回归模型,且适用于各种先验分布,尤其在测量函数次数有限和观测到的噪声较大的应用中,该先验信息 Robbins-Monro 序列比标准序列收敛更快 - 自适应分层时空动态成像的疼痛分析
通过自适应分层时空动态图像(Adaptive Hierarchical Spatio-temporal Dynamic Image,AHDI)技术,我们在医疗保健和医学领域中引入了自动疼痛强度估计方法。该方法使用面部表情作为主要工具,利用 - 交通事故持续时间预测的双层框架:在实用的优化管道中充分利用天气和道路状况数据
本研究使用多种机器学习模型来预测交通事故对道路交通的短期或长期影响,并确定事故的精确持续时间,结果显示天气条件、风寒和风速是决定交通事故持续时间最有影响力的因素。
- 多模型线性回归用于大数据的高效数据分析方法
本研究提出了一种新的数据分析方法,使用一种名为多模型线性回归(MMLR)的新定义的回归模型,将输入数据集分成子集并构建局部线性回归模型。该方法比其他基于回归的方法更高效、更灵活。研究还提出了一种基于(ε,δ)- 估计器的近似算法来构建 MM - 通过单调约束提高论文连贯性评估的泛化能力
我们提出了一个一致性评分模型,它由两个特征提取器组成:本地一致性判别模型和标点修正模型。使用梯度提升回归树作为回归模型,并对输入特征施加单调性约束,结果表明我们的模型在未见数据上具有更好的泛化能力。该模型在 NLPCC 2023 的 7 号 - 科技写作支持的语言模型微调
本文提出了一种基于回归模型的科技句子识别方法,研究了科技公式和引文对于科技性评分的影响,构建了一种 AI 和机器学习标准文章版面的映射,提出了一种改进写作风格的软件,并训练了各种大型语言模型。
- 非参数方法下的无分布模型无关回归校准
本文提出了针对回归模型的不确定性量化问题的非参数校准方法,该方法能够简单高效地提升模型个体校准的性能。通过数值实验,证明其优越性。
- 基于专家知识的加权回归模型在含噪标签中的应用
提出一种用多种专家意见生成标签的新方法,通过学习加权组合来建立预测模型,该方法在模拟和实际数据上表现出优异性能,具有简单,快速和高效的特点,可用于训练多标签回归模型的应用场景。
- 基于全球预测模型的预测准确性的时间序列聚类
本文提出了一种新的基于模型的时间序列聚类方法,该方法通过考虑每个聚类所属的系列来拟合 K 个全局预测模型,然后将每个系列分配给产生最佳预测的模型关联的组。该方法以预测准确性作为构建聚类分区的主要元素,产生了一种新的聚类范例,其中聚类解决方案 - 插值回归模型和双下降现象分析
本篇论文提出了一个回归模型的理论,在训练数据中具有比数据点更多的参数,这种模型被称为过度参数化模型,有能力插值训练数据,最好的模型是过度参数化的,与模型阶数呈双峰形。我们分析了最小二乘问题的最小化的解的内插模型,以及使用岭回归进行模型拟合的 - QSAR 拟合的一致性预测方法的开发与评估
提出了针对最先进的机器学习模型,包括深度神经网络和梯度提升机的计算有效的 CP 算法,可在一些数据分布的弱前提下生成有效预测间隔,为 QSAR 建模提供了新的工具。
- CVPRSCOOP:自监督一致性和基于优化的场景流
介绍了一种新方法 ——SCOOP,它可以在不使用 ground-truth 流监督的情况下,通过学习点特征表征来进行场景流估计,并使用一种自我监督目标的流细化组件直接优化流,从而实现点云之间的连贯和准确的流场,在分数的训练数据的前提下提高了 - 自然语言单元之间的相似性:从粗略到精细估计的转变
本篇论文旨在开发一种更精细的回归模型,该模型精确计算语言单位之间的相似性,并通过缺陷捕捉和对抗训练优化模型,实现了处理极端情况的最新表现。
- 超越 Pinball Loss:分位数方法用于校准不确定性量化
本文提出了新的分位数方法,可以适用于任何回归模型,并允许在校准和锐度之间进行权衡,优化中心区间的校准度,并产生更准确的条件分位数。
- 高斯过程回归中的稀疏变分推断收敛性
本文研究高斯过程在贝叶斯建模中的应用,探讨了使用较少的引入变量进行逼近的解决方案,并给出了在高质量逼近下引入变量的增长上下界。
- ICML预测赡养费案件的法院裁决:避免非法律因素,关注法官决策和可理解的 AI 模型
通过使用大量的法庭离婚案例并观察允许分配抚养费的变量,本研究通过结合分类和随机森林回归模型,提供了一个可解释的人工智能模型,旨在作为现有决策工具的补充,以更好地理解法官所做的决策机制。