Equiangular tight frames from group divisible designs
PulseAugur coverage of Equiangular tight frames from group divisible designs — every cluster mentioning Equiangular tight frames from group divisible designs across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新方法可防止长尾识别中的人工智能模型过度收缩
研究人员开发了一种新的长尾识别（LTR）方法，解决了现有神经崩溃（NC）方法中尾部类别过度收缩的问题。他们的方法，即可控部分神经崩溃，使用了类别自适应稀疏激活（CASA）和ETF约束自适应边距（ETF-AM）损失。这种方法允许头部类别崩溃，同时保留尾部类别的类内多样性，从而提高了在CIFAR100-LT和ImageNet-LT等数据集上的准确性。
-
新研究详细介绍了体积采样岭回归的精确校准
研究人员发表了一篇论文，详细介绍了体积采样岭回归（一种统计技术）的进展。该研究侧重于该方法中的精确校准和风险几何形状，特别是在使用数据点子集时。主要发现包括识别出一种独特的惩罚，该惩罚在期望上与全数据岭拟合一致，并表征了在各种采样条件下的风险。该工作还探讨了等角紧框架的使用，并引入了一种具有改进风险特性的新型岭-Horvitz-Thompson混合模型，该模型得到了计算机辅助证明的支持。
-
表格基础模型展现跨模态迁移能力
研究人员开发了一种新颖的分类流程，该流程将等角紧框架（ETF）预处理步骤与表格基础模型相结合，用于上下文内推理。这种统一的方法应用于包括视觉、音频、文本和表格数据在内的七种不同数据模态，在运行速度显著提高的同时，展现出与轻量级微调基线相比具有竞争力的性能。该系统专为实际部署而设计，提供了关于ETF应用、无验证集划分的训练以及概率校准的指导，为实践者提供可靠的置信度信号。