unbalanced data | BriefGPT - AI 论文速递

关键词unbalanced data

搜索结果 - 8

SEMRes-DDPM：基于残差网络的扩散建模应用于不平衡数据
基于 SEMRes-DDPM 的新型过采样方法有效提高了标签不平衡的表格数据生成质量，并在分类性能上胜过其他 SOTA 过采样方法。
PDF4 months ago
基于鲁棒加权评分的特征选择方法用于高维二元类不平衡基因表达数据
该研究提出了一种适用于高维基因表达二分类的不平衡数据的鲁棒加权评分方法（ROWSU），通过解决基因表达数据集中高度倾斜的类分布问题，从而提高分类算法的性能。该方法通过平衡训练数据集、贪心搜索选择最小基因子集、引入支持向量计算权重的新型鲁棒评
PDF5 months ago
ICCV长尾学习的分布鲁棒性损失
本文提出了一种基于鲁棒性理论的新型损失函数，旨在解决深度模型在处理不平衡数据时的分类偏差问题，从而提高对于长尾类别的识别准确性。在多项基准测试中，通过降低特征空间中头类别的表示偏差，该方法相较于已有方法以及 SOTA 方法均得到了更好的效果
PDF3 years ago
CVPR元学习鉴别性样本用于亲缘验证
本文研究基因亲缘关系验证中存在的非平衡数据问题，提出了一种称为 DSMM 的方法，通过元学习的方式对非平衡数据中的重要样本进行挖掘和加权，从而提高了模型的验证效果。
PDF3 years ago
ISD: 迭代相似性蒸馏的自监督学习
通过对自我监督学习中的对比学习方法进行改进，引入了一种使用负样本的软相似度而不是二进制关系的无监督学习算法，可更好地处理不平衡的无标签数据并获得与最先进模型类似的结果。
PDF4 years ago
基于零样本离群生成和分层特征提取的异常检测
本文提出了一种可以通过生成异常样本来解决少数异常样本数据不均衡的方法，利用自编码器和变分自编码器的双层分层潜空间表示来将合法数据的特征描述符深度提取为更强的表示，再利用这些生成器合成未见过的负样本，训练二元分类器以获得鲁棒的且无需实际异常样
PDF4 years ago
非独立分散数据的有效联邦自适应梯度方法
本文提出了各种基于联邦学习的自适应梯度方法以及各种校准方法，比如标准 Adam，p-Adam 和激活函数校准方法等等，为非凸优化中非独立同分布和不平衡数据中的（校准的）联邦 AGMs 提供了第一组理论结果。通过与现有的联邦学习方法 FedA
PDF4 years ago
零样本神经机器翻译的有效策略
本文提出了两种策略，可应用于多语言神经机器翻译系统中，以更好地处理零资源情况，尤其是在减轻语言偏差问题方面在真实零资源条件下不平衡数据的多语言翻译方面，实验证明这两种策略在性能和计算资源方面都是有效的。
PDF7 years ago