Mahalanobis distance
PulseAugur coverage of Mahalanobis distance — every cluster mentioning Mahalanobis distance across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的PAMD方法增强了视觉强化学习算法
研究人员推出了一种新颖的成对自适应马氏距离（PAMD）方法，旨在改进视觉强化学习算法。该新方法参数化了一个正定的、成对条件化的度量，用于测量潜在状态相似性，为固定的全局范数提供了更具表现力和结构化的替代方案。在视觉MuJoCo连续控制任务上的实证验证表明，配备PAMD的双模拟基础的强化学习算法在多项任务上取得了显著的性能提升。
-
AI利用新发异常检测技术检测临床前组织病理学中的毒性
研究人员开发了一个AI框架，利用全切片图像检测临床前组织病理学中的毒性。该系统可以识别健康组织、已知病理，并标记出具有新发异常的样本。通过使用低秩自适应微调Vision Transformer并采用马氏距离进行异常检测，该方法旨在提高药物开发中毒性评估的效率和规模。
-
新基准和方法改进了 AI 代理的不确定性量化
研究人员开发了新的方法来量化与图形用户界面 (GUI) 交互的 AI 代理以及机器人技术中使用的视觉-语言-动作模型 (VLA) 的不确定性。第一项研究“Argus”在各种代理和数据集上对 27 种方法进行了基准测试，发现不确定性排名在同一模型类别内是稳定的，但在不同模型和界面之间会下降。第二项研究为基于流匹配的 VLA 引入了速度场不一致性 (VFD)，证明了其在故障检测方面的有效性，并实现了一个名为 SAVE 的框架，该框架能够以…
-
新的InstantForget方法无需重新训练即可解除AI后门
研究人员开发了一种名为InstantForget的新方法，可以在不重新训练模型的情况下移除AI模型中的后门触发器。该技术在推理时运行，通过识别和重置指示后门的异常特征来工作。在CIFAR-10和ResNet-18模型的测试中，InstantForget在保持模型效用的同时，显著降低了各种触发器的平均攻击成功率。
-
新方法使用VAE和马氏距离进行RL控制中的离群检测
研究人员开发了一种新颖的方法，用于在时变系统中检测离群（OOD）观测值，特别适用于粒子加速器控制等安全关键应用。该方法利用在正常运行数据上训练的变分自编码器（VAE）来识别未见过的情况。通过测量VAE潜在空间中的马氏距离，系统可以准确地区分分布内和离群状态，从而实现快速强化学习（RL）控制器和鲁棒极值寻优（ES）控制器之间的无缝切换。
-
新的 ReshapeOT 方法改进了用于建模分布偏移的最优传输
研究人员推出了一种新颖的分布偏移建模方法——位移重塑最优传输 (ReshapeOT)。该技术通过纳入观察到的样本位移来增强最优传输中使用的地面度量。通过用源自位移矩的马氏距离替换标准欧氏距离，ReshapeOT 指导传输解决方案更好地反映数据的实际变化。