uncertainty-based | BriefGPT

关键词uncertainty-based

搜索结果 - 7

基于确定性神经主动学习的困惑样本优先策略
神经网络主导的主动学习（NAL）是一种具有成本效益的数据选择技术，利用神经网络选择和训练一小部分样本。本研究在特征学习视角下，对两种常用的 NAL 查询准则：基于不确定性和基于多样性进行了统一解释，并证明这两种准则的成功都在于优先选择包含尚
PDFa month ago
双向基于不确定性的主动学习用于开放集标注
提出了一种双向不确定性主动学习（Bual）框架，通过将未知类别的样本推向具有高置信度预测的区域，并采用同时估计正负学习带来的不确定性的双向不确定性采样策略来实现从已知类别中获取高信息量样本，并在多个具有不同开放性的数据集上进行了广泛实验证明
PDF4 months ago
基于认识不确定性的数据选择，将预训练的 ASR 模型适应于低资源临床语音
使用信息不确定性的数据选择方法可以减少成本并提高在稀缺数据情况下非洲口音临床自动语音识别的泛化性能，并优于现有最先进 ASR 模型
PDFa year ago
检测超过阈值的不确定性（DUET）：对抗贴片本地化器
本研究提出了一种基于不确定性的对抗性贴片定位器，通过采用 DUET 算法来量化预测不确定性以查明对抗性贴片所在的图像区域，以允许后处理补丁避免或补丁重建，这对于自动驾驶汽车和医学成像等安全敏感应用至关重要。该研究还表明，在贝叶斯神经网络的不
PDFa year ago
主动学习帮助预训练模型学习预期任务
本文探讨使用预训练模型进行主动学习任务中的歧义消除，发现预训练模型使用基于不确定性的主动学习时所需标注数量降低至非预训练模型的五分之一，并且可以通过在预训练的表示空间中选择具有消除歧义的特征属性的数据样本来获得这种性能提升。
PDF2 years ago
基于不确定性的离线强化学习与多样化 Q 集成
本文提出了一种基于不确定性的离线强化学习方法，考虑 Q 值预测的置信度，不需要对数据分布进行估计或抽样，并提出了一种集合多样化的演员 - 批评家算法，该算法在大多数 D4RL 基准测试中实现了最先进的性能。
PDF3 years ago
LTP：一种基于 CRF 的命名实体识别新主动学习策略
研究了使用 Deep Learning 解决命名实体识别任务时所需的数据注释成本高的问题，并提出了一种基于不确定性的主动学习策略，称为 LTP，它将 CRF 的输入和输出相结合，可以在减少注释负担的同时提高准确性。
PDF4 years ago