PulseAugur
中
实时 19:54:10
实体 Donghwan Kim

Donghwan Kim

PulseAugur coverage of Donghwan Kim — every cluster mentioning Donghwan Kim across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
5
90 天内 5
发布 · 30天
0
90 天内 0
论文 · 30天
5
90 天内 5
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 5 条
  1. TOOL · CL_333052 ·

    MahaVar 利用类内马氏距离方差改进OOD检测

    研究人员推出了一种新颖的深度神经网络中分布外(OOD)样本检测方法MahaVar。该技术利用了一个经验观察,即分布内样本的类内马氏距离方差高于OOD样本。这一观察在理论上基于神经坍塌(Neural Collapse)的原理,该原理与类内紧凑性和类间分离有关。MahaVar将标准的马氏距离与此类内方差项相结合,在CIFAR-100和ImageNet等基准测试中取得了最先进的性能。

  2. TOOL · CL_321876 ·

    研究:表格异常检测中反直觉的似然行为罕见

    一篇新的研究论文探讨了在表格异常检测中,与图像数据相比,反直觉的似然行为(即异常数据获得更高的似然得分)为何罕见。该研究引入了一种与领域无关的表述来定义和评估这种现象。通过在47个表格数据集和13个基线模型上进行的实验,该研究证实了这种行为在表格数据中的罕见性,并表明归一化流在异常检测方面取得了有竞争力的性能。

  3. TOOL · CL_321875 ·

    新方法解决AI模型OOD检测中的似然悖论

    研究人员开发了一种名为语义比例熵操纵(SPEM)的新方法,以解决深度生成模型中分布外(OOD)检测的似然悖论。这种无需训练的程序通过对与内存库中分布内示例不太相似的输入施加更强的扰动,增强了模型区分分布内和分布外数据的能力。理论分析和实验表明,即使模型遇到视觉上无意义的噪声,SPEM也能使似然排序与直观理解重新对齐。

  4. TOOL · CL_294527 ·

    研究发现大语言模型难以与诊断工具集成

    一项新的研究论文探讨了大语言模型(LLMs)与专业诊断工具的集成问题,发现大语言模型并不总是能提高系统性能。在包括轴承振动和过程监控在内的五个数据集的测试中,来自诊断工具的冲突外部信息常常推翻了大语言模型正确的判断。虽然在其中一个数据集上,专家集成将大语言模型的准确率提高了12个多点,但组合系统仍然比单独的专家工具低了近6个点。研究表明,应单独评估信息源质量和集成质量,因为目前的集成方法未能充分实现大语言模型与专业诊断系统之间潜在的互补性。

  5. TOOL · CL_280252 ·

    新的Cocoon架构提高了差分隐私机器学习训练的效率

    研究人员开发了Cocoon,一种旨在提高差分隐私机器学习训练效率的新系统架构。该方法通过利用相互抵消的相关噪声,解决了差分隐私通常伴随的准确性下降问题。Cocoon优化了跨CPU、GPU和专用近存储器处理(NMP)设备的大噪声历史记录处理,并包含针对稀疏嵌入表的特定优化。在基于FPGA的NMP原型上进行的测试表明,性能提升了1.23倍至10.82倍。