实体
ensemble learning
ensemble learning
PulseAugur coverage of ensemble learning — every cluster mentioning ensemble learning across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新框架通过稀疏装袋压缩集成模型
一篇新的研究论文介绍了一种名为 Simplex-Constrained Sparse Bagging (SCSB) 的新颖框架，该框架旨在压缩和校准基于自举法的装袋集成。SCSB 通过优化以减少袋外 (OOB) 损失来解决标准装袋方法的局限性，从而根据基础估计器的局部能力为其分配不同的投票权重。这种方法可以实现显著的集成压缩，最高可达 96%，从而在不牺牲泛化准确性的情况下提高推理速度并改善概率校准。
-
尼泊尔表情包分析使用 Transformer 进行仇恨言论和情感分析
研究人员开发了基于 Transformer 的模型来分析尼泊尔表情包中的仇恨言论和情感。该研究侧重于表情包中的文本提取，采用 OCR 和随后的 Transformer 架构分析。实验表明，一个仅解码器的模型在二元仇恨言论检测方面表现出色，而软投票集成方法将情感分析性能在 Macro F1 分数上提高了 15.8%。
-
集成学习结合多个模型以提高人工智能性能
集成学习是一种机器学习方法，它结合了多个模型来增强整体性能。该技术利用各种模型的不同之处，而不是依赖于单一模型。