实体
Bayes classifier
Bayes classifier
PulseAugur coverage of Bayes classifier — every cluster mentioning Bayes classifier across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新研究量化了分类器鲁棒性与准确性之间的权衡
本文严格证明了非参数二元分类中对抗性分类器的最优定量估计。它证明了在控制豪斯多夫距离（与贝叶斯分类器相比）测量的几何精度时，鲁棒分类器在准确性上的损失最多为 $O(\sqrt{\varepsilon})$ 或 $O(\varepsilon)$，具体取决于贝叶斯分类器的正则性。这些发现适用于欧几里得空间中由任何范数定义的对抗者，并且在无限和有限数据设置中都有效，这与先前认为在低复杂度假设类别中鲁棒性与准确性不兼容的工作形成对比。
-
新理论解释对抗神经网络中的显著性图稀疏性
研究人员对对抗训练神经网络的显著性图稀疏性现象提出了理论解释。这种现象，尤其是在两层ReLU网络中，与在特定惩罚下最小化经验风险有关。研究表明，在某些条件下，最小化器会收敛到一个具有最小梯度和Barron范数的贝叶斯分类器，从而导致对抗训练（使用L-infinity攻击）所偏好的各向异性和稀疏梯度。实验评估证实了这些理论发现。
-
为不平衡分类问题提出新指标
一篇新的研究论文介绍了对不平衡分类问题中常用性能指标的鲁棒性改进。作者们证明，当类别不平衡严重时，像 Matthews 相关系数 (MCC) 和 F1 分数这样的现有指标可能会不公平地偏袒忽略少数类别的分类器。提出的改进包括一个调整参数，以适应针对类别不平衡的鲁棒性，确保少数类别的真正率保持远离零。