研究人员推出 MuViS-C，这是一个新颖的基准测试，旨在评估基于学习的虚拟传感系统在面临传感器故障时的鲁棒性。该基准测试涵盖了六个域和九个数据集中的十种不同的传感器故障模式，评估了性能下降和最坏情况下的脆弱性。实验表明，包括基于注意力机制的架构在内的所有测试架构在损坏下性能都会显著下降，而梯度提升树表现出强大的鲁棒性。研究还发现，专门的鲁棒化策略可以提高性能，但可能会对标称精度产生负面影响。 AI
影响 该基准测试将通过突出传感器故障的脆弱性，帮助研究人员为网络物理应用开发更可靠的 AI 系统。
排序理由 该集群描述了在 arXiv 上发布的新基准测试和研究论文。
在 Hugging Face Daily Papers 阅读 →
- arXiv
- attention
- CatalyzeX
- convolutional neural network
- DagsHub
- Gotit.pub
- Gradient Boosted Trees
- Hugging Face
- MLP-mixing
- MuViS-C
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
