新的类平衡Softmax方法改进了深度学习在不平衡数据上的表现

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-27 04:00

研究人员推出了一种名为类平衡Softmax (CBS) 的新方法，旨在提高深度学习模型在不平衡数据集上的性能。与现有的平衡Softmax等方法不同，CBS旨在解决少数类准确率不成比例降低等局限性。CBS基于贝叶斯理论和幂律假设，是一种计算效率高的logit调整方法，可以轻松集成到现有系统中。该方法还通过引入一种新颖的度量标准并展示了缓解效果，来解决模型在有限数据类别上遇到的“偏好问题”。在大规模基准测试上的实验表明，CBS具有可扩展性，并且优于现有技术。 AI

影响提高了模型在不平衡数据集上的性能，有可能拓宽深度学习在数据分布倾斜的现实场景中的应用范围。

排序理由介绍机器学习新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 介绍机器学习新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 67 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Yi-Hang Zhu, Rajeev Raman, Shiqi Su, Jianyuan Sun, Xinyu Yang, Nan Xing, Huiyu Zhou · 2026-07-27 04:00

类平衡Softmax：一种基于贝叶斯理论的长尾识别方法

arXiv:2607.22258v1 Announce Type: new Abstract: Deep learning models using traditional softmax classifiers have achieved remarkable success in various classification tasks. However, their performance degrades significantly on imbalanced datasets. Although Balanced Softmax is wide…

本文如何被排名

报道来源 [1]

类平衡Softmax：一种基于贝叶斯理论的长尾识别方法

相关实体

相关话题