关键词statistical independence
搜索结果 - 5
- MM个体公平性的重新形式化
个体公平性的再形式化条件是个体的统计独立性，它与机器学习中的公平意识兼容，并能与公平概念（平等的几率、充分性）以及统计平衡相结合，适用于预处理、过程中和后处理公平预测的方法。
- MM异常检测的零假设检验
本文研究使用不存在标签分类来进行异常检测，并设计了一种假设检验方法来排除仅有背景假设。通过测试两个数据集区域的统计独立性，我们能在不依赖定量异常得分或区域间背景估计外推的情况下排除仅有背景假设。我们的方法依赖于异常得分特征和数据集区域的条件 - 通过自我监督实现的盲去噪
提出了一种通用框架，用于去噪高维度测量，不需要先验信号、噪声估计和干净数据训练，仅假设噪声在不同维度上具有统计独立性，真实信号呈现某种相关性。
- AAAI超先验引导的无监督潜在表征分离
本研究提出了一种在深度生成模型中实现无监督的解缠结潜在表示的方法，通过在 VAE 的潜在空间中引入反 Wishart 先验来实现潜变量之间的统计独立性，能够在多个数据集上优于 beta-VAE 和与最先进的 FactorVAE 相竞争。
- 适用于单变量随机变量的一致的无分布 $K$ 样本和独立性检验
本研究提出了一种基于分区和统计检验方法的统计独立检验技术，这种技术可以有效和可靠地检验两个随机变量之间的依存关系。同时，我们还提出了一种基于求和和最大化聚合的一致无分布测试统计方法，并探讨了其在实际应用中的表现。