Jose Marie Antonio Miñoza
PulseAugur coverage of Jose Marie Antonio Miñoza — every cluster mentioning Jose Marie Antonio Miñoza across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的NTK-UQ方法增强了天气预报的不确定性
研究人员开发了一种名为神经切线核不确定性量化（NTK-UQ）的新方法，为深度学习天气模型提供关键的不确定性估计。该技术旨在解决极端天气事件等高风险场景中确定性预报的关键差距。NTK-UQ 提供更精确的预测区间和可适应的区间，这些区间会随着事件的严重程度而扩展，其性能优于拆分一致性预测等传统方法。
-
新研究解决深度学习偏差、训练动态和可靠性问题
研究人员正在探索新的理论框架和实用方法来改进深度学习模型。一篇论文介绍了DISCO，一种通过估计条件距离相关性来减轻数据集偏差的技术，在各种数据集上的表现优于现有方法。另一项研究将神经网络训练视为一个Hamilton-Jacobi问题，将其与热带代数和偏微分方程联系起来，并提供了对泛化和鲁棒性的见解。此外，新的研究挑战了校准本身就能改善早期退出神经网络的假设，提出了一种考虑预测正确性和计算成本的替代方法。最后，研究正在调查深度网络在训…
-
eXplaining to Learn框架提高了AI模型在分布偏移上的性能
研究人员推出了一种名为eXplaining to Learn (eX2L) 的新颖框架，旨在提高模型在面对分布偏移时的性能和可解释性。该方法通过在训练期间将混淆特征与分类器的潜在表示分离来实现。eX2L通过惩罚主要分类器的激活图与同时训练的混淆器分类器的激活图之间的相似性来实现。该框架在Spawrious Many-to-Many Hard Challenge基准测试中表现出显著的改进，优于当前最先进水平。