实体
Neural Network Classifiers Estimate Bayesian a posteriori Probabilities
Neural Network Classifiers Estimate Bayesian a posteriori Probabilities
PulseAugur coverage of Neural Network Classifiers Estimate Bayesian a posteriori Probabilities — every cluster mentioning Neural Network Classifiers Estimate Bayesian a posteriori Probabilities 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 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新研究量化了AI公平性审计中不可避免的操纵
一篇新的研究论文探讨了自动化决策系统中公平性审计的固有局限性。该研究量化了即使在有限的审计资源下也可能发生的不可避免的操纵，将问题构建为公司与预算受限的审计员之间的最小-最大优化问题。研究结果确立了审计后人口统计均值偏差的下界，表明虽然增加审计资源可以减少操纵，但无法完全消除它。
-
神经网络通过特征多项式系数识别全正矩阵
研究人员探索了使用神经网络分类器来区分全正矩阵和非全正矩阵，方法是分析其特征多项式的最高阶系数。研究发现，系数 a_{n-1}, a_{n-2}, 和 a_{n-3} 提供了重要的区分信息，尤其是在更高维度下。不同的全正矩阵族在这三维系数空间中表现出不同的几何特征，这表明了一个关于基于这些系数进行分离的猜想。
-
新的数学界限应用于神经网络鲁棒性
研究人员发表了一篇论文，详细介绍了光滑Pfaffian超曲面管状邻域体积的新数学界限。这些界限使用定义函数的Pfaffian格式表示，可用于理解神经网络分类器的鲁棒性。具体而言，该研究为采用Pfaffian激活函数的神经网络的条件数提供了尾部界限，并推导出了具有有理权重的单隐藏层sigmoid网络中决策边界的宽度多项式界限。