PulseAugur
实时 21:58:54
English(EN) Evolving Multi-Channel Confidence-Aware Activation Functions for Missing Data with Channel Propagation

研究人员改进激活函数以处理神经网络中的缺失数据

研究人员开发了一种名为三通道自适应激活函数(3C-EA)的新方法,以应对机器学习中处理缺失数据所面临的挑战。与传统的激活函数不同,3C-EA将缺失指示和插补置信度分数直接纳入激活过程。该方法结合通道传播(ChannelProp)算法将这些信号在网络中传播,旨在通过保留可靠性信息来提高分类性能。 AI

影响 引入了一种新的激活函数技术,有望提高具有缺失值的真实世界数据集中模型的鲁棒性和性能。

排序理由 这是一篇详细介绍处理神经网络中缺失数据新方法的学术论文。

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 →

研究人员改进激活函数以处理神经网络中的缺失数据

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Naeem Shahabi Sani, Ferial Najiantabriz, Shayan Shafaei, Dean F. Hougen ·

    Evolving Multi-Channel Confidence-Aware Activation Functions for Missing Data with Channel Propagation

    arXiv:2602.13864v2 Announce Type: replace-cross Abstract: Learning in the presence of missing data can result in biased predictions and poor generalizability, among other difficulties, which data imputation methods only partially address. In neural networks, activation functions …