Kolmogorov–Smirnov test
PulseAugur coverage of Kolmogorov–Smirnov test — every cluster mentioning Kolmogorov–Smirnov test across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新研究解决了大规模电子商务机器学习中的概念漂移检测问题
一篇新研究论文探讨了在大规模电子商务机器学习运营中检测概念漂移的方法。该研究评估了五种多变量双样本漂移检测器，发现基于 Apache Spark 的分布式最大均值差异（Maximum Mean Discrepancy）结合随机傅里叶特征（Random Fourier Features）具有良好的可扩展性。相比之下，逐维柯尔莫哥洛夫-斯米尔诺夫检验（Kolmogorov-Smirnov test）由于高基数特征的统计饱和问题而显得不适用…
-
新模型将输入分辨率与目标检测延迟联系起来
研究人员开发了一个新模型，用于理解输入分辨率如何影响实时目标检测系统的延迟。该模型将总延迟视为预处理、推理和后处理阶段的卷积，其参数取决于源图像分辨率。使用 YOLOv11n 在 NVIDIA Jetson Orin NX 上对 COCO2017 图像进行的实验表明，这种分辨率感知参数化可以改善分布近似，尤其是在使用 Normal 和 Gamma 等更灵活的模型时。
-
新的Transformer模型学习分布路径表示
研究人员开发了TraveL，一个新颖的基于Transformer的框架，用于学习路径的分布表示。该方法捕捉了道路路段内多样的旅行者行为和区域相关性，提供了比传统向量表示更丰富的信息。TraveL编码路径和旅行开始时间以生成分布表示，可以解码路径上的旅行者行为样本。该框架结合了区域注意力来编码道路路段关系，并使用Kolmogorov-Smirnov检验进行训练比较。实验结果表明，TraveL在合成和真实世界数据集上均优于最先进的方法，在…
-
新方法改进AutoML数据集划分，以实现更好的模型评估
一篇新的研究论文探讨了在自动化机器学习（AutoML）中划分数据集的方法，以确保更准确的模型评估。该研究将五种现有策略，包括随机划分和分层抽样，与Kennard-Stone、Duplex和SPXY等几何方法进行了比较。研究人员发现，几何方法可能由于接近零的相似度得分而导致性能估计不稳定。他们提出了一种新的“Optimised-Distribution”方法，该方法优先考虑统计相似性，达到了89.0%的平均MMD相似度得分，高于其他评估策略。
-
AI模型模拟奶牛场脱碳的肥料采纳
研究人员开发了一个基于主体的建模框架，用于模拟爱尔兰奶牛场低排放肥料的采纳情况。该模型结合了社会传染、农场特征和政策干预，以预测脱碳轨迹。它估算了温室气体排放和成本权衡，与观察到的采纳模式高度一致，并预测饱和水平约为91%。