实体
differential entropy
differential entropy
PulseAugur coverage of differential entropy — every cluster mentioning differential entropy across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新型聚类联邦学习方法提升Wi-Fi流量预测能力
研究人员开发了一种新的聚类联邦学习（CFL）方法，以改进托管Wi-Fi网络中的流量预测。该方法通过采用两步聚类程序来解决识别用于接入点（AP）模型分组的信息量聚类这一挑战。该方法优先考虑信息量，并以差分熵量化，以选择最佳聚类解决方案。结果表明，与其他分布式策略相比，这种CFL工具实现了更优越的预测性能和更低的通信及能源消耗，仅在显著提高准确性时成本略有增加。
-
新的QUEST框架在机器学习中提供了改进的不确定性量化
一种名为QUEST（Quantifying Uncertainty via highest dEnSiTy regions）的新框架已被提出用于机器学习中的不确定性量化。该方法通过分布支撑集中最可能子集的体积来表征不确定性，为基于适当评分规则的方法提供了一种替代方案。QUEST度量已被证明满足不确定性量化的关键公理，并在选择性预测基准测试中与方差和微分熵等标准度量相比表现良好。