PulseAugur
中
实时 21:00:25
English(EN) CuBAS: Information Geometric Curvature-Based Adaptive Sampling for Supervised Classification

新的CuBAS框架使用信息几何进行自适应数据采样

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了CuBAS（基于曲率的自适应采样），一种用于监督分类任务选择信息丰富数据点的新颖框架。该方法利用信息几何，将标记数据集视为统计流形，其中源自Fisher信息的局部曲率指示数据复杂度。CuBAS构建k近邻图并计算曲率得分，以识别几何复杂度高和低的区域，从而能够创建紧凑但信息丰富​​的训练子集。在众多基准数据集上的实证结果表明，CuBAS的性能始终优于随机采样和基于不确定性的方法，具有计算效率和理论基础。 AI

影响 引入了一种新颖、计算效率高的方法来优化监督学习中的训练数据集，有可能提高模型性能并减少数据需求。

排序理由 这是一篇详细介绍机器学习中自适应数据采样新方法的学术论文。

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的CuBAS框架使用信息几何进行自适应数据采样

报道来源 [2]

  1. arXiv stat.ML TIER_1 English(EN) · Alexandre L. M. Levada ·

    CuBAS：基于信息几何曲率的自适应采样用于监督分类

    arXiv:2607.03145v1 Announce Type: cross Abstract: The informativeness of a training set is as consequential as its size, yet most sampling strategies remain agnostic to the intrinsic geometry of the data distribution. We introduce CuBAS (Curvature-Based Adaptive Sampling), an inf…

  2. arXiv stat.ML TIER_1 English(EN) · Alexandre L. M. Levada ·

    CuBAS：基于信息几何曲率的自适应采样用于监督分类

    The informativeness of a training set is as consequential as its size, yet most sampling strategies remain agnostic to the intrinsic geometry of the data distribution. We introduce CuBAS (Curvature-Based Adaptive Sampling), an information-geometric framework for adaptive data sel…

相关实体

相关话题