关键词statistical machine learning
搜索结果 - 8
- 有界种族差异的极小极大公平分类
控制统计机器学习方法的不公平影响是确保公平性的关键。本文探讨了具有两个受保护群体的公平二分类的统计基础,重点是控制人口统计差异,并提出了一种量化公平性约束影响的新方法。
- 小样本生物制造过程建模的多保真度高斯过程
在生物制造领域,我们提出采用统计机器学习方法 —— 多保真高斯过程,来解决生物过程建模中的不确定性、高成本采集数据以及缺乏数据等问题,并在两个具体问题上展示了它的有效性,分别是生物反应器放大和细胞系之间的知识迁移。
- 采样比优化更快
此文讨论了优化算法与蒙特卡罗采样算法之间的关系以及在非凸优化函数中,采样算法的计算复杂度与模型维度呈线性关系而优化算法的计算复杂度呈指数关系。
- NIPS对称正定矩阵流形上的统计递归模型
本文研究了基于 Riemann 流形的时间序列测量数据的统计循环网络模型,通过有效算法和严格分析统计性质,证明了其与现有方法相比表现相当并参数更少,同时在大脑成像的统计分析任务中得到了应用。
- 更公平、更准确,但为谁而做?
该论文介绍了一种比较不同风险评估模型公平性的框架,特别关注与种族和性别的不平等问题,以预测再犯率和贷款为例进行实验。
- ACL数据驱动的自然语言生成:通向成功之路
本研究讨论了统计机器学习用于自然语言生成的商业应用的两个主要瓶颈:缺乏可靠的自动评估指标和高质量的领域内语料库。通过彻底分析当前的评估指标并提出需要新的更可靠的指标,我们解决了第一个问题。通过提出一种新的框架来开发和评估用于自然语言生成训练 - 使用 Scikit-Learn 进行神经影像机器学习
本研究介绍了如何使用 Python 语言的机器学习库 Scikit-learn 来处理神经影像数据,采用统计机器学习的方法,包括有监督学习和无监督学习,探究在不同的功能神经影像应用中的优势和应用。
- 基于判别器的支付规则
本文提出了用最小化预期 ex post 遗憾取代激励相容性要求来适应统计机器学习技术以进行机制设计的方法。通过使用支持向量机和特殊的判别函数结构,可以训练得出具有良好激励性能的隐式支付规则。该方法适用于多维类型的领域,以及需要考虑计算效率的